基于自适应权重的CNN-LSTM&GRU组合风电功率预测方法

作者：贾睿; 杨国华; 郑豪丰; 张鸿皓; 柳萱; 郁航

来源：中国电力, 2021, 1-10.

• 短期风电功率预测
• CNN-LSTM
• GRU
• 组合预测
• 自适应权重学习

准确预测风电功率可以提高电网运行的安全性和可靠性。为进一步提高短期风电功率预测精度，针对目前单一模型难以获得最优预测结果的问题，提出了一种CNN-LSTM&GRU多模型组合短期风电功率预测方法。首先，利用卷积神经网络（convolutional neural network，CNN）提取数据局部特征，并结合长短期记忆（long short term memory，LSTM）网络构造出融合局部特征预提取模块的CNN-LSTM网络结构；然后，将其与门控循环单元（gated recurrent unite，GRU）网络并行，并通过自适应权重学习模块为CNN-LSTM模块和GRU模块的输出选择最佳权重，构建出CNN-LSTM&GRU组合的短期预测模型。最后，对我国西北某电场的风电数据进行预测研究。实验结果表明，本文所提模型的MAE（mean absolute error）、RMSE（root mean square error）、R2（R-Square）为：3.395WM、2.608WM、0.959。与单一模型和其他组合模型相比，所提组合预测模型的指标误差更小、预测精度更高。

• 单位
  宁夏大学