基于多粒度时间卷积网络的超短期风功率预测

作     者：江国乾 徐向东 白佳荣 何群 谢平 单伟 Jiang Guoqian;Xu Xiangdong;Bai Jiarong;He Qun;Xie Ping;Shan Wei

作者机构：燕山大学电气工程学院秦皇岛066004 燕山大学图书馆秦皇岛066004 

基　　金：国家自然科学基金(62273299) 中央引导地方科技发展资金项目(216Z2101G) 河北省自然科学基金(F2021203009) 秦皇岛市科学技术研究与发展计划项目(201902A032) 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第5期

页      码：104-111页

摘      要：针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并设计多粒度特征融合模块来增强模型的鲁棒性,提高风功率预测精度。首先,利用随机森林算法(RF)得到与输出功率相关性较强的部分特征数据;然后,对筛选后的特征数据进行多粒度划分,通过时间卷积网络(TCN)提取各个粒度的独立特征。最后,使用挤压激励网络(SENet)对不同粒度特征进行自适应加权融合,得到最终预测值。采用中国某风场数据进行算例分析,结果表明相较于其他方法,所提方法在24步预测任务和6步预测任务上取得了最佳的预测性能,具有较高的准确性和稳定性。在24步预测任务上归一化均方根误差、归一化平均绝对值误差和决定系数指标分别为0.152、0.108和0.7214,在6步预测任务上各指标分别为0.1027,0.0683和0.8717。

主 题 词：风功率 预测 随机森林 多粒度计算 时间卷积网络 挤压激励网络 

学科分类：080703[080703] 080704[080704] 08[工学] 0807[工学-电子信息类] 

核心收录：

D　O　I：10.19912/j.0254-0096.tynxb.2023-0006

馆 藏 号：203128164...