摘要
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