基于MLP-BiLSTM-TCN组合的超短期风电功率预测

作者：张晓艳; 向勉^*; 朱黎; 周丙涛; 刘洪笑; 段亚穷

来源：湖北民族大学学报(自然科学版), 2023, 41(04): 513-529.

DOI：10.13501/j.cnki.42-1908/n.2023.12.013

• 风电功率预测
• 神经网络模型
• 皮尔逊相关系数
• 线性规划
• 组合模型

风电功率受气象等因素影响具有很强的随机性和波动性，传统单一神经网络模型预测精度较低，难以满足需求。基于此，提出了多层感知机(multi-layer perceptron, MLP)-双向长短期记忆(bidirectional long short-term memory, BiLSTM)-时间卷积网络(temporal convolutional network, TCN)组合的超短期风电功率预测模型。首先使用皮尔逊相关系数处理数据，将相关性高的特征和每个预测点前6个真实值作为输入，然后生成3种基础神经网络模型MLP、BiLSTM、TCN,并根据隐藏单元设置不同参数，每个模型选取4个参数结果即组成12种基础模型。最后采用线性规划(linear programming, LP)法求出不同权值，以达到结果的最优化。以新疆某风电场为例对所提组合模型进行验证，绝对平均绝对误差(mean absolute error, MAE)为2.975 MW,均方根误差(root mean square error, RMSE)为5.474 MW,相较于其他模型，所提组合模型具有更高的预测精度。该研究能在风电功率预测中进行实时调度，解决电网调频问题，对组合模型预测研究有促进作用。

• 单位
  湖北民族大学