基于数据驱动和深度学习的超短期风电功率预测

作者：苗长新^*; 李昊; 王霞; 韩丽; 马也; 李衡

来源：电力系统自动化, 2021, 45(14): 22-29.

• 数据驱动
• 深度学习
• 风电功率预测
• 时空关联
• 多尺度卷积

从多源、多维、多模态的风电数据中挖掘风能、风电的因果关联,以及多风电场间的时空关联,是提高风电功率预测精度的有效途径。文中提出了一种基于数据驱动的混合深度学习模型。首先,在数据预处理环节,将风电场满功率输出、风速溢出的场景,视为风电功率预测的异常、故障状态,并提出数据清洗方法以加强风速和风电的相关性。然后,针对气象信息与风电的因果关联,设计多通道卷积挖掘其耦合关系;针对相邻风电场间的时空关联,设计多尺度卷积挖掘不同时空尺度下的风电特征,并通过1×1卷积层对不同尺度的时空特征赋权、融合和降维。最后,将融合特征输入门控循环网络挖掘时序关联,输出多风电场风电功率的预测结果,以真实数据集验证了所提模型的有效性。

• 单位
  中国矿业大学（北京）; 中国矿业大学