标题：基于深度学习网络神经的海上风电功率预测研究
作者：郭壮志 王志勇
作者单位：长江三峡（成都）电子商务有限公司，四川 成都 610041
关键字：海上风力资源；深度学习；风速预报；集合经验模态分解
摘要：风速预测是风电功率预测的核心环节。提出将集合经验模态分解（EEMD）与六种深度学习模型（卷积神经网络（CNN）、堆叠长短期记忆（LSTM）、双向LSTM、CNN-LSTM、多层感知器、二维卷积LSTM）相结合的方法，用于短期海上风速预测，并在两个不同海上站点的不同高度进行验证。研究结果表明，经EEMD处理后，各模型预测误差显著降低，在站点1，EEMD-MLP模型在180 m高度的MAE为0.113、MAPE为2.532%、RMSE为0.157、R2为0.998；在站点2，EEMD-双向LSTM模型在102 m高度的MAE为0.114、MAPE为1.184%、RMSE为0.146、R2为0.997。明确了EEMD在减小预测误差方面的积极作用，以及深度学习模型性能的场地特异性，为海上风电功率预测提供了更为深入的理解与参考。