摘要：风向预测是提高风能转化率、保障偏航系统运行安全的基础。为了建立高精度风向预测算法,提出一种基于自校正小波长短时记忆网络(self-tuning wavelet long-short term memory neural network,SWLSTM)算法。首先,利用互信息法选取时间序列特征的长度;然后,经过小波分解进一步提取风向序列的时域信息和频域信息;在此基础上,选择长短时记忆递归神经网络(long-short term memory neural network,LSTM)进行建模;最后,设计误差自校正策略,进一步提升预测精度。为了验证该文算法的适应性与预测精度,选择风电场实际风向数据分别进行实验。实验结果表明,SWLSTM算法优于常见数据建模方法,风向预测误差小于1.73%,满足风电场的生产要求。

关键词：风向预测 互信息法 小波分解 长短时记忆递归神经网络 误差自校正 

单位：东北电力大学自动化工程学院; 吉林省吉林市132012