计及邻近风电场信息与CNN-BiLSTM的短期风电功率预测

作者：杨子民; 彭小圣; 熊予涵; 魏沛杰; 段睿钦; 周彬彬

来源：南方电网技术, 2023, 17(02): 47-56.

DOI：10.13648/j.cnki.issn1674-0629.2023.02.006

• 风电功率预测
• 邻近风电场
• 神经网络
• 新能源
• 新型电力系统
• CNN-BiLSTM

高精度的短期风电功率预测对保障电力系统安全至关重要，因此提出了一种计及邻近风电场信息与CNN-BiLSTM的短期风电功率预测方法，在深度学习预测建模环节除了采用目标风电场的NWP作为输入特征，还引入了邻近风电场的高相关特征。首先综合风速序列、功率序列间的相关性和距离，计算区域内各邻近风电场和目标风电场的复合相似度，并依据相似度排序选择高度相似的邻近风电场作为信息来源；再采用CEEMDAN频域信号分解和时间序列特征扩充构造高维特征集合，并引入浮动搜索特征选择算法对强相关特征进行优选；最后基于被选核心特征，开展基于CNN-BiLSTM深度神经网络的功率预测建模。算例结果表明，相较不引入邻近风电场信息的传统预测方法，所提方法能有效提升预测精度。

• 单位
  华中科技大学; 云南电力调度控制中心; 电子工程学院; 强电磁工程与新技术国家重点实验室