文件名称：Wind-Energy-Prediction-using-LSTM:使用LSTM进行风能预测的时间序列分析
文件大小：6.85MB
文件格式：ZIP
更新时间：2024-06-07 08:26:46
deep-learning prediction lstm lstm-neural-networks renewable-energy
使用长期短期记忆（LSTM）进行风能预测 有关完整的详细信息，请阅读CSE 523项目报告.pdf。 介绍 由于风速/功率具有可再生性和环境友好性，因此在地球上受到越来越多的关注。 随着全球风电装机容量的Swift增加，风电行业正在发展为大型企业。 可靠的短期风速预测在风能转换系统中起着至关重要的作用，例如风轮机的动态控制和电力系统调度。 精确的预测需要克服由于天气条件波动而导致的可变能源生产问题。 风产生的功率高度依赖于风速。 尽管它是高度非线性的，但风速在特定时间段内遵循特定模式。 我们利用这种时间序列模式来获得有用的信息，并将其用于功率预测。 LSTM用于对数据执行不同的实验并得出结论。 结论 我们的目标是改善对使用风能发电的功率的预测，并且已经实现了将LSTM用作机器学习模型并对其进行模型优化。 我们还观察到，如果风速小于4 m / s，则系统生成的功率为零。 LSTM无法学习这
【文件预览】：
Wind-Energy-Prediction-using-LSTM-master
----Exp3-Prediction-Batch 1-12 hour.ipynb(43KB)
----Exp16-AL-Prediction Wind Approach 1 Batch 1 2 days ahead.ipynb(208KB)
----Exp13-WA-Prediction Wind Approach 1 Batch 1 week ahead.ipynb(170KB)
----Exp9-Prediction-Batch 386 with model optimization 48 hours.ipynb(63KB)
----Prediction.pdf(204KB)
----Exp10-Prediction-Batch 419 with model optimization 1 week.ipynb(153KB)
----CSE 523 Project Report.pdf(844KB)
----Exp2-Estimation-8 look backs 60-40 split.ipynb(166KB)
----Exp15-AL-Prediction Wind Approach 1 Batch 1 24 hours ahead.ipynb(207KB)
----~WRL0005.tmp(242KB)
----Exp11-WA-Prediction Wind Approach 1 Batch 1 24 hours ahead.ipynb(176KB)
----Exp17-AL-Prediction Wind Approach 1 Batch 1 1 week ahead.ipynb(211KB)
----Exp1-Estimation-8 look backs 70-30 split.ipynb(146KB)
----Exp6-Prediction-Batch 1-1 week.ipynb(145KB)
----Exp5-Prediction-Batch 1-48 hour.ipynb(55KB)
----README.md(2KB)
----Exp4-Prediction-Batch 1-24 hour.ipynb(46KB)
----WA_WIND_DATA.xlsx(1.15MB)
----Exp8-Prediction-Batch 264 with model optimization 12 hours.ipynb(57KB)
----Exp12-WA-Prediction Wind Approach 1 Batch 1 48 hours ahead.ipynb(150KB)
----Exp7-Prediction-Batch 1-1 month.ipynb(208KB)
----Exp18-AL-Prediction Wind Approach 1 Batch 1 1 month ahead.ipynb(204KB)
----Exp14-WA-Prediction Wind Approach 1 Batch 1 month ahead.ipynb(159KB)
----~$ediction.docx(162B)
----AL_WIND_07_12.xlsx(2.85MB)