科研之友
微信
新浪微博
Facebook
分享链接
摘要
风电功率的精确预测能有效降低并网过程中给电力系统带来的波动，故文章提出一种基于时序分解和误差修正的风电功率预测方法。该方法首先利用最大信息系数法(maximum information coefficient，MIC)选择出与风电功率相关性强的特征，以降低原始数据的复杂度；然后针对风电功率的非平稳特性，采用双层自适应噪声完备集合经验模态分解(double layers complete ensemble empirical mode decomposition with adaptive noise，DLCEEMDAN)将风电功率分解为若干个平稳的子序列；最后利用融合注意力机制的时间卷积网络(temporal convolutional networks，TCN)对风电多变量时间序列进行动态建模；为进一步提高预测精度，引入轻梯度提升机(light gradient boosting machine，LightGBM)对预测值进行误差修正。结合国内某风电场实测数据进行实验，仿真结果表明，所提方法具有较高的短期风电功率预测精度。
- 单位
