短期风电功率的长短期记忆网络预测方法研究毕业设计任务书
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
毕业设计(论文)任务书
信息与电气工程学院院电工电子基础系(教研室)
系(教研室)主任:(签名)年月日
学生姓名:学号:专业:电气工程及其自动化
1 设计(论文)题目及专题:短期风电功率的长短期记忆网络预测方法研究
2 学生设计(论文)时间:自 2020年1月9日开始至 2020年5月 25日止
3 设计(论文)所用资源和参考资料:
[1] 方江晓. 短期风速和风电功率预测模型的研究[D]. 北京交通大学, 2011.
[2] 蔡祯祺.基于数值天气预报NWP修正的BP神经网络风电功率短期预测研究[D]. 浙江大学, 2012.
[3] 王慧莹, 吴亮红, 梅盼盼, 等. 果蝇优化广义神经网络的风电功率短期预测[J]. 电子测量与仪器学报, 2019, 33(6): 177-183.
[4] 琚垚, 祁林, 刘帅. 基于改进乌鸦算法和ESN神经网络的短期风电功率预测[J]. 电力系统保护与控制, 2019, 47(04):64-70.
[5] 孙驷洲, 付敬奇, 朱峰. CGAQPSO优化LSSVM短期风电预测[J]. 电子测量与仪器学报, 2016(11): 1718-1725.
[6] 陈祖成. 基于改进深度置信网络的风电场短期功率组合预测研究[D].石家庄铁道大学,2019.
[7] 严干贵,宋薇,杨茂等. 风电场风功率实时预测效果综合评价方法[J]. 电网与清洁能源, 2012,28(5):1-6.
[8] T.Nielsen, H.Madsen. WPPT-atool for wind power prediction[C]. EWEA Special Topic Conference, Kassel, 2000:1-5.
[9] 孟勇. 风电功率预测系统的研究与开发[D].天津大学, 2010.
[10] 刘建伟,王园方,罗雄麟.深度记忆网络研究进展[J].计算机学报,2020:1-52.
4 设计(论文)应完成的主要内容:
(1)风电预测技术发展概述;(2)风电功率预测数据处理技术;(3)长短时记忆网络原理;(4)基于长短时记忆网络的风电功率预测;(5)实验结果分析。
5 提交设计(论文)形式(设计说明与图纸或论文等)及要求:
(1)系统实现原理图;(2)算法程序流程图;(3)测试结果统计与分析比较。
6 发题时间:2020年1月9日
指导教师:(签名)
学生:(签名)