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

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）