基于组合生成对抗网络的短期风电功率预测

作者：郭海军; 李林霞

来源：电气技术与经济, 2023, (04): 128-132.

• 风电功率预测
• 自我注意
• 生成对抗网络
• 卷积神经网络
• 强化学习

为了提高风电功率的预测精度，本文提出基于组合生成对抗网络(Generative Adversarial Network, GAN)的短期风电功率预测模型。首先，通过集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)算法将原始数据分解为多个不同频率的固有模态的子序列，从每个子序列中提取非线性和动态信号。然后，在组合框架中，应用自我注意机制(Self-attention Mechanism, SAM)作为生成模型，提取并生成风电原始数据的分布特征；卷积神经网络(Convolutional Neural Networks, CNN)作为判别模型，进行风电功率的预测，并采用强化学习(Reinforcement Learning, RL)来调整组合模型的超参数。最后，以甘肃省酒泉市某风电场的实际运行数据为例，验证所提方法与其他算法相比的优越性能。

• 单位
  甘肃同兴智能科技发展有限责任公司