摘 要：风速时间序列具有非线性和非平稳性的特点，传统的预测方法难以建立风速间的函数关系，因此风速时间序列的预测结果精度不高。人工神经网络所具有的强非线性拟合能力有效地解决了风速时间序列难以预测的痛点，文章选择 Elman 神经网络预测全国 3 个地区不同尺度的风速时间序列，初步探讨了神经网络风速预测的可行性。结果表明，Elman 神经网络经过训练，具有时序非线性拟合的能力，但预测结果精度尚未提高。
关键词：时间序列；风速预测；Elman 神经网络；预测精度
DOI:10.19850/j.cnki.2096-4706.2023.03.015
中图分类号：TP18；TK81 文献标识码：A 文章编号：2096-4706（2023）03-0066-05
An Example of Wind Speed Time Series Prediction Based on Elman Neural Network
LI Chao, JIANG Mingyang
(Xinjiang Goldwind Sci & Tech Co., Ltd., Hohhot 010010, China)
Abstract: The wind speed time series has the characteristics of nonlinear and non-stationary, and the traditional prediction method is difficult to establish the functional relationship between wind speeds, so the prediction accuracy of the wind speed time series is not high. The strong nonlinear fitting ability of the artificial neural network effectively solves the pain point of the difficult prediction of the wind speed time series. This paper selects the Elman neural network to predict the wind speed time series of different scales in three regions of the country, and preliminarily discusses the feasibility of the neural network wind speed prediction. The results show that Elman neural network has the ability of time series nonlinear fitting ability after training, but the accuracy of prediction results has not been improved.
Keywords: time series; wind speed prediction; Elman neural network; prediction accuracy
参考文献：
[1] 张群，唐振浩，王恭，等 . 基于长短时记忆网络的超短期风功率预测模型 [J]. 太阳能学报，2021，42（10）：275-281.
[2] 曲宗希 . 风速组合预测策略中若干难点问题研究 [D]. 兰州：兰州大学，2019.
[3] MISHRA S P，DASH P K. Short term wind speed prediction using multiple kernel pseudo inverse neural network [J].International Journal of Automation and Computing，2018，15（1）：66-83.
[4] 李岁寒 . 基于风电场历史数据的短期风速及风功率预测研究 [D]. 兰州：兰州理工大学，2020.
[5] 刘海南，蔺红 . 考虑风电波动性的源荷优化调度策略 [J].水电能源科学，2021，39（9）：210-214.
[6] 韩韫洲 . 风力发电功率预测的技术进展与展望 [J]. 电力设备管理，2021（9）：130-132.
[7] 张泰豪，殷锋，袁平 . 风速及风功率预测方法综述 [J]. 现代计算机，2021（8）：45-48.
[8] 袁曾任 . 人工神经元网络及其应用 [M]. 北京：清华大学出版社，1999.
[9] 李海玲 . 基于 BP 神经网络的风功率预测 [J]. 现代信息科技，2021，5（15）：119-121+124.
[10] 张淑清，杨振宁，张立国，等 . 基于弹性网降维及花授粉算法优化 BP 神经网络的短期电力负荷预测 [J]. 仪器仪表学报，2019，40（7）：47-54.
[11] 林春燕，朱东华 . 基于 Elman 神经网络的股票价格预测研究 [J]. 计算机应用，2006（2）：476-477+484.
[12] ZHANG Y，WANG X P，TANG H M. An improved elman neural network with piecewise weighted gradient for time series prediction [J].Neurocomputing，2019，359（C）：199-208.
[13] 李琛，郭文利，吴进，等 . 基于 BP 神经网络的北京夏季日最大电力负荷预测方法 [J]. 气候与环境研究，2019，24（1）：135-142.
作者简介：李超（1994—），男，汉族，内蒙古呼和浩特人，高级风资源工程师，学士学位，研究方向：新能源科学与工程。