科研之友
微信
新浪微博
Facebook
分享链接
摘要
风电的波动性和随机性，尤其是功率爬坡事件严重威胁着电网运行的安全和稳定。功率爬坡是极端天气影响下产生的，属于小概率事件。其极低的发生概率导致历史爬坡样本数量严重不足，并制约了传统功率预测模型的预测精度。针对此类问题，提出一种基于生成对抗网络的风电爬坡功率预测方案。将历史爬坡数据和模拟特征量作为输入，通过生成器和判别器的对抗训练，生成大量与历史爬坡数据特征相似的模拟爬坡数据，实现爬坡数据集的扩充。再将扩充后的爬坡数据集输入给长短期记忆神经网络算法，进行风电爬坡功率预测。通过仿真测试，验证了该方法在历史爬坡数据匮乏情况下风电爬坡功率预测的有效性。并与传统预测方法进行了对比，证明了其预测的精确性。
-
单位机电工程学院; 郑州城市职业学院; 宁波职业技术学院
