摘要：针对风电功率预测问题，在现有预测方法和概率性区间预测的基础上，提出基于深度学习分位数回归的风电功率概率预测方法。该方法采用Adam随机梯度下降法在不同分位数条件下对长短期记忆神经网络（LSTM）的输入、遗忘、记忆、输出参数进行估计，得出未来200h内各个时刻风电功率的概率密度函数。根据美国PJM网上的风电功率实际数据的仿真结果表明，所提方法不仅能得出较为精确的点预测结果，而且能够获得风电功率完整的概率密度函数预测结果。与神经网络分位数回归相比，其精度更高，且在同等置信度下的预测区间范围更小。

关键词：lstm 核密度估计 风电功率概率预测 lstm分位数回归 概率密度分布 

单位：长沙理工大学电气与信息工程学院; 湖南长沙410114