搜索到1768篇“ 短期风电功率预测“的相关文章
基于CEEMDAN⁃TCN的短期电功率预测研究
2025年
力发作为可再生能源的重要组成部分,在力系统规划和日常运行中扮演着重要的角色,准确的短期电功率预测对于网的稳定运行和优化调度具有重要意义。为提高短期电功率预测的准确性,提出一种基于自适应噪声完备集合经验模态分解和时间卷积网络的短期电功率预测方法。首先利用自适应噪声完备集合经验模态分解对初始电功率数据进行分解,得到多个相对稳定的子数据序列;然后将其分别作为时间卷积网络的输入,利用时间卷积网络模型进行特征提取和功率预测;最后将所有预测值进行汇总,得到最终的功率预测值。使用宁夏某地区真实电功率数据进行验证,并与传统预测模型比较,结果表明所提方法具有较高的预测精度,可为电功率短期预测等相关工作提供相关参考。
李敖冉华军李林蔚王新权高越
关键词:短期风电功率预测特征提取时间序列分析
考虑误差概率分布及波动特性的短期电功率预测修正方法
2025年
随着国家“双碳”目标的持续推进,力发装机占比持续增高,强随机波动的大规模出力给力系统的“保消纳、保供”带来严峻挑战,高精度的电功率预测是解决上述挑战的重要基础手段,场和网调度中心均将持续提升电功率预测精度视为长期重点工作。为此,提出一种基于短期电功率预测误差分布特性统计与波动特性分析的电功率预测修正方法。首先,考虑误差时序-条件特点对误差进行基于改进非参数核密度估计法(kernel density estimation,KDE)的误差概率密度分布特性分析,得出不同置信水平下的电功率预测置信区间,以实现预测误差的分层划分。其次,采用变分模态分解算法(variational mode decomposition,VMD)将电功率预测误差序列分解为趋势分量和随机分量,针对2类误差分量特点展开分类预测,并对最终所得误差结果进行波动性分析。最后,结合误差分层划分结果与误差波动特性分析进行综合判断,提出针对各类情况的误差补偿方案,从而获得修正后的短期电功率预测值。实际算例表明,所提误差补偿方法可将电功率月均方根误差较补偿前减少2.6个百分点,平均绝对误差较补偿前减少2.4个百分点,该方法能够有效减小电功率预测误差,提升短期电功率预测精度。
宫婷车建峰王勃柴荣繁杨耘博
关键词:短期风电功率预测
多尺度特征提取的Transformer短期电功率预测
2025年
针对短期电功率预测特征提取尺度单一问题,设计一种基于多尺度特征提取的Transformer短期电功率预测模型(MTPNet)。首先,在Transformer构架的基础上,利用维数不变嵌入,设计多尺度特征提取网络挖掘电功率序列本身时序特征,保证了特征提取时维数不被破坏;其次,利用融合自注意力机制的长短期记忆网络挖掘气象条件与功率之间的全局依赖关系;最后,融合电功率序列本身时序特征和气象条件依赖关系,实现短期电功率预测。实例仿真结果表明,MTPNet模型预测精度得到提升;消融实验证明了模型各模块的可靠性和有效性,具有一定的实用价值。
徐武范鑫豪沈智方刘洋
关键词:风电功率预测TRANSFORMER特征提取
基于分解技术的IZOA-Transformer-BiGRU短期电功率预测
2025年
准确的电功率预测对于保障网平稳运行和提升资源利用效率具有重要意义。针对电功率数据的非平稳性和间歇性等特征,本文提出了一种结合数据分解技术的IZOA-Transformer-BiGRU组合预测模型,以提升短期电功率预测的精度和可靠性。首先,采用能量差值法确定变分模态分解(VMD)的子模态数,将具有较强随机波动性的原始电功率分解为一系列相对平稳的子序列,从而更加充分地提取时序特征。其次,构建Transformer-BiGRU模型,引入多头注意力机制并行处理多个特征之间的交互关系,并利用BiGRU捕捉时序序列间的前后依赖性,从而提升预测性能。为了进一步优化模型性能,采用融合Singer混沌映射、透镜折射反向学习和单纯形法策略的改进斑马优化算法(IZOA),对Transformer-BiGRU模型的隐藏层神经元数、初始学习率、正则化系数和多头注意力头数四个关键超参数进行优化。最后,通过IZOA-Transformer-BiGRU对分解后的各子序列进行预测,经过叠加重构得到最终的预测结果。实验结果表明,与单一BiGRU模型相比,所提模型的决定系数提升了5.10%,平均绝对误差、均方根误差以及平均绝对百分比误差分别降低了56.17%、54.58%、54.55%,具有较高的预测精度。
蒲晓云杨靖杨兴宁媛
关键词:风电功率预测TRANSFORMER
基于VMD-ISMA-SVM组合模型的短期电功率预测
2025年
为了提高短期电功率的精准预测,文章提出了一种基于VMD-ISMA-SVM组合模型的短期电功率预测方法。首先采用变分模态分解(variational modal decomposition,VMD)对电功率时间序列数据进行分解,获得了8个不同频率的电功率模态分量;其次利用黏菌优化算法(improved slime mould algorithm,ISMA)对支持向量机(support vector machine,SVM)进行参数最优值搜索,构建ISMA-SVM模型;然后利用ISMA-SVM模型对各电功率模态分量进行预测,得到各电功率分量预测值;最后累加各分量预测值获得电功率预测值。文章为了验证该组合模型在电功率预测方面的有效性和优越性,选取4种组合模式与之进行对比,算例结果表明,VMD-ISMA-SVM组合模型能显著地提升电功率预测的精度和抑制数据的波动性。
万亮胡俊李小龙张喻刘炬
关键词:风电功率预测
一种短期电功率预测方法、装置、设备及存储介质
本申请公开了一种短期电功率预测方法、装置、设备及存储介质,包括:采集当前场对应的实时电功率数据,并对实时电功率数据进行预处理,得到第一预处理后数据;将第一预处理后数据输入至预先训练好的目标电功率预测模型,得到...
王政霞熊帮茹熊刚
基于帝王蝶算法的CNN-GRU-LightGBM模型短期电功率预测
2025年
集群大规模并网和跨季节使用产生的不确定性对电功率预测播报的准确度提出更高的要求。为提高电功率预测的准确度,提出一种基于帝王蝶优化算法(MBO)的卷积神经网络(CNN)-门控循环单元(GRU)-梯度提升学习(LightGBM)复合电功率预测模型。首先,分别建立CNN-GRU和LightGBM的电功率预测模型,利用方差倒数法将两个模型加权组合为CNN-GRU-LightGBM复合模型;为优化模型中的连续参数,使用MBO对模型进行超参数优化。最后,选取珠海某海上场的短期电功率数据对所提方法与已有预测方法进行对比,实验结果表明,该模型结合了CNN-GRU、LightGBM等模型的优点,预测误差更小,预测精度更高,拥有更强的季节普适性。
向阳刘亚娟孙志伟张效宁卢建谋
关键词:风电功率预测卷积神经网络
基于信号分解与模型优化的短期电功率预测方法、系统、设备及介质
本发明公开了一种基于信号分解与模型优化的短期电功率预测方法、系统、设备及介质,对归一化处理的电功率数据分别使用N种不同的信号分解算法进行分解,得到一次分解后的N组电功率序列集合;将N种不同的信号分解方法进行排列组合...
杨帆杨波涛李嘉刘魁马博刘磊窦金利周通杨瑛哲王骋昊陈许文澜史建君王少鲁丁立国黄乐程琛王宁康健倪娜
基于多特征提取-卷积神经网络-长短期记忆网络的短期电功率预测方法
2025年
【目的】天气和随机因素会改变误差的统计特征,因此考虑对影响电功率的多种气候因素进行特征提取,为优化功率时序特征提取,提出基于多特征提取(multimodal feature extraction,MFE)-卷积神经网络(convolutional neural network,CNN)-长短期记忆(long-short term memory,LSTM)网络的电功率预测方法。【方法】首先,对数值天气预报(numerical weather prediction,NWP)数据提取11种统计性特征,通过提取基本特征和统计性特征对原始数据进行聚类,并根据类别分别建立预测模型,以提高预测模型的适应性;其次,在网络架构上对LSTM进行改进,通过CNN的特征提取能力和LSTM的非线性序列预测能力,实现对电功率历史信息和NWP数据的充分挖掘。最后,利用我国新疆某场数据,通过MFE消融实验、CNN消融实验,验证了所提短期电功率预测方法的有效性和优越性。【结果】相比于自回归移动平均(autoregressive integrated moving average,ARIMA)、全连接循环神经网络(fully recurrent neural network,FRNN)模型和MFE-LSTM、CNN-LSTM模型,MFE-CNN-LSTM预测方法的均方根误差与平均绝对误差均有所下降。【结论】MFE-CNN-LSTM预测方法可有效提取特征,并且MFE与CNN有效提升了预测准确性。
匡洪海郭茜
关键词:多特征提取卷积神经网络K-均值聚类算法风电功率预测
一种机组短期电功率预测方法及设备、存储介质
本发明涉及清洁能源领域,提供机组短期电功率预测方法,包括以下步骤:利用云计算技术收集机组在预设时间段内的实时电功率数据和气象数据,以及通过遥感技术采集机组周边地形的空间特征数据;对实时电功率数据、气象数...
施林松徐睿石铁洪

相关作者

叶林
作品数:210被引量:2,029H指数:28
供职机构:中国农业大学信息与电气工程学院
研究主题:风电场 风电 风电功率 风电功率预测 功率预测
邓华
作品数:55被引量:306H指数:11
供职机构:中国气象局广州热带海洋气象研究所
研究主题:短期风电功率 短期风电功率预测 风电功率预测 WRF模式 风电场
孟安波
作品数:266被引量:1,066H指数:20
供职机构:广东工业大学
研究主题:风电功率预测 风电功率 短期风电功率 风电 子序列
张颖超
作品数:295被引量:805H指数:15
供职机构:南京信息工程大学
研究主题:探空仪 模糊查询 短期风电功率 高铁 风速
乔颖
作品数:242被引量:3,431H指数:36
供职机构:清华大学
研究主题:风电场 风电 计算机设备 电力系统 存储介质