陈金车，苏士翔，蒋 强

（兰州大学 大气科学学院，甘肃 兰州 730000）

风能是一种清洁能源，如果在风力发电方面得到高效利用，将极大地推动社会经济的发展。早在1985年Bossanyi E A[1]就通过卡尔曼滤波预报了风速；后来随着人工智能的发展，李大中[2]结合卷积神经网络和循环神经网络预报了风速，发现准确性更高。风电功率反映着风电厂的供电能力及稳定性，它会随着风速的大小不断变化，当其异常波动时，人们的生产生活会受到影响。因此，风电功率大小的模拟就显得很重要。人工智能算法近些年在环境和气象等领域取得了不错的发展[3-6]。周永生[7]采用长短期记忆网络（LSTM，Long Short-Term Memory）创新了预测PM2.5浓度的方法；孙全德[8]等人通过人工智能算法对数值天气预测模式ECMWF对于华北地区10m风速的预测结果做了订正。随着经济社会的不断发展，风力发电技术开始扮演着愈来愈重要的角色。然而，利用风功率曲线计算得到的风电功率误差较大，这是由于在计算过程中只考虑了风速，而忽略了其它气象因子可能会对风电功率产生的影响。例如，温度虽然不能直接影响风电功率，但是可以通过影响风速间接对风电功率产生影响。因此，本文引入差分进化算法（DE，Differential Evolution Algorithm） 和遗传算法 （GA，Genetic Algo rithm）以及BP、LSTM和随机森林（RF）模型，以包括风速、风向和温度在内的气象数据作为自变量输入模型对风电场的风力发电功率进行了模拟，从而达到更精确计算风电功率的目的，给电力部门制定发电计划提供参考。

1 资料……

登录APP查看全文