基于二维风速修正和多重集成的两阶段迁移学习短期风电功率预测

作     者：马志远 王勃 杨茂 王钊 MA Zhiyuan;WANG Bo;YANG Mao;WANG Zhao

作者机构：现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)吉林132012 可再生能源并网全国重点实验室(中国电力科学研究院有限公司)北京100192 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2024年第50卷第9期

页      面：3934-3943页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家重点研发计划(大规模风电/光伏多时间尺度供电能力预测技术)(2022YFB2403000) 

主　　题：功率预测 风速修正 集成学习 迁移学习 时空相关性 新投运风电场 

摘      要：为了在数据量不足的情况下增强新投运风电场的功率预测能力,提出了一种基于二维风速修正和多重集成的两阶段迁移学习短期风电功率预测方法。首先,在数据增强阶段,引入投运前气象站的测风数据,基于风电场的时空相关性关系,通过时序特征构建和场景匹配,从时空2个维度对预报风速进行初步修正。然后,对初步修正后的结果进行数据重构,以重构后的数据作为下一次集成的输入,构建多重集成模型对预报风速进行二次修正。最后,在功率预测阶段,基于一阶段的修正结果,通过门控循环单元(gate recurrent unit,GRU)得到预测功率。算例结果表明,所提方法使预报风速的均方根误差降低了1.038m/s,功率预测精度提升了4.718%。论文研究可为新投运风电场的短期功率预测提供参考。