基于图迁移学习的梯级水电发电超短期预测

作者：张海锋; 杨晶莹; 冷俊; 魏泽涛; 沈晓东^*

来源：电网与清洁能源, 2023, 39(10): 104-112.

• 迁移学习
• 图神经网络
• 参数迁移
• 水电发电预测

水电是可再生能源的重要组成部分，精确预测水电站的发电量对电力系统的运行和调度至关重要。针对传统预测方法在处理水电站之间复杂的拓扑结构时存在限制的问题，提出了一种基于图迁移学习的方法，旨在通过水电站的拓扑连接特征提升发电预测的准确性和泛化能力。利用水电站的拓扑结构构建图表示各水电站之间的关联关系，以捕捉水电站的上下游关联特征，采用预训练源水电站数据集并通过图迁移学习来适应目标水电站的发电预测模型。实验结果表明，图迁移学习有助于更好地捕捉水电站间的拓扑特征，提高发电预测精度，减少所需训练样本数量。

• 单位
  国网吉林省电力有限公司电力科学研究院; 四川大学