基于动态自适应技术风电集群短期功率预测

卢 绮蕴

摘要

高效预测风险集群短期功率可以更为直观了解风电运行状态，同时具备改善系统调峰能力、提升风电竞争力、及时调整调度计划功能，科学预测风电集群短期功率，可以进一步加强风险管控，尽可能避免不利因素对电网产生干扰。本文结合当前我国风电建设和电网建设现状，基于动态自适应技术，阐述风电集群短期功率预测过程和要点。围绕深度学习理论，建立预测模型，以模型为基础对风电数据进行处理、预测和分析。通过本文的分析，以期为我国风电建设、电网建设提供更多参考。

关键词

风电集群；短期功率预测；动态自适应技术；深度学习理论

参考

[1]王渝红,史云翔,周旭，等.基于时间模式注意力机制的BiLSTM多风电机组超短期功率预测[J].高电压技术,2022,48(05):1884-1892.[2]杨茂,彭天,苏欣.基于预测信息二维坐标动态划分的风电集群功率超短期预测[J].中国电机工程学报,2022,42(24):8854-8864.[3]李聪,彭小圣,王皓怀，等.基于SDAE深度学习与多重集成的风电集群短期功率预测[J].高电压技术,2022,48(2):504-512.[4]赵振兵,强一凡,李信，等.基于改进循环神经网络的配电网超短期功率预测方法[J].电力科学与技术学报,2022,37(5):144-154.[5]商立群,李洪波,侯亚东，等.基于VMD-ISSA-KELM的短期光伏发电功率预测[J].电力系统保护与控制,2022,50(21):138-148.[6]郑惠萍,曾鹏,刘新元，等.基于误差前馈预测的多时空尺度风电集群有功功率分层控制策略[J].电力建设,2020,41(8):120-128.[7]崔杨,陈正洪,许沛华.基于机器学习的集群式风光一体短期功率预测技术[J].中国电力,2020,53(3):1-7.