《電網技術》2017年第12期：3797-3802
精確的風電功率短期和超短期預測有助于減輕電力系統調峰、調頻壓力，對于風電并網具有重大意義。為捉住風電功率時間序列的本質特點，進一步挖掘風電場中多種數據源提供的風電功率預測知識，運用LSTM網路進行風電功率超短期預測的看法應運而生。
ANN、SVM等機器學習預測方式通過大量歷史數據構建輸入、輸出變量間的非線性關系，將動態時間建模問題變為靜態空間建模問題。事實上，作為典型的時間序列，風電功率除了具有非線性，且具有動態特點，即系統的輸出除了取決于當前時刻的輸入，還與歷史狀態緊密相關。針對已有研究的不足，本文借助LSTM網路對風電功率時間序列的時序相關性進行建模，同時，計及影響風電功率的多種誘因，完善了風電場發電功率的超短期預測模型，有效提升了預測精度。
1、提出了基于LSTM網路的風電場發電功率超短期預測模型，該模型還能從動態時間角度完成對風電功率時間序列的建模；
2、計及了影響風電場發電功率的多種氣象誘因，如風速、風向、溫度、大氣密度等。模型還能有效借助這種信息提高自身的外推能力。
推論
本文所提方式才能從時間序列的本質特點出發，完成對風電功率的動態時間建模。且能有效借助多種變量信息，提高模型的外推能力。算例結果表明，本文方式較ANN和SVM等常規機器學習預測方式具有更高的預測精度。
現階段，僅借助歷史數據的機器學習預測方式在預測精度上還存在提高的空間。結合數值天氣預報（,NWP）信息對模型的預測結果進行校準風電功率預測數據，將有助于進一步增強機器學習預測方式的精度，這也將成為我們下一步的研究目標。
雷歐洲，王偉勝，印永華，等．風電對電力系統運行的價值剖析[J]．電網技術，2002，26(5)：10-14．
吳俊利，張步涵，王魁．基于的BP神經網路改進算法在短期風速預測中的應用[J]．電網技術，2012，36(9)：221-225．
作者介紹
陳金富（1972），男，博士，副院長，研究方向為電網剖析軟件技術，電力電子技術在電力系統中的應用等,E-mail：。
華北科技學院電力系統剖析（Power,PSA）研究團隊目前擁有院士1人風電功率預測數據，副院長3人，研究生30余人。課題組多年來從事大規模電力系統剖析與估算相關方面研究，培養了多名中級專門人才，發表國際及國外SCI/EI學術論文多篇。先后承當或參與了國家重大基礎研究計劃、國家高技術發展計劃、國家科技支撐計劃和國家自然科學基金等多項研究課題。部份研究成果獲國家科技進步二等獎、湖北省科學技術進步銀獎、二等獎等。