基于统计模型的短期风能预测方法研究进展

作     者：赵泽妮 云斯宁 贾凌云 史加荣 贺宁 杨柳 Zhao Zeni;Yun Sining;Jia Lingyun;Shi Jiarong;He Ning;Yang Liu

作者机构：西安建筑科技大学材料科学与工程学院西安710055 西安建筑科技大学理学院西安710055 西安建筑科技大学机电工程学院西安710055 西安建筑科技大学建筑学院西安710055 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2022年第43卷第11期

页      面：224-234页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2018YFB1502902) 

主　　题：风力发电 机器学习 预测 数据处理 混合系统 

摘      要：以确定性短期风能预测为出发点,综述常用的4种统计模型的研究进展,包括时间序列方法、人工神经网络、支持向量机和深度学习。针对基础统计模型预测效果不佳的问题,提出各类混合模型。数据预处理、优化算法与基础统计模型之间的组合,或人工神经网络与卷积神经网络、循环神经网络等深度学习模型之间的组合,对预测水平都有很好的提升作用。