文献类型：期刊文章

作　　者：黄树帮[1,2] 陈耀[1,2] 金宇清[3]

HUANG Shubang;CHEN Yao;JIN Yuqing(Xinjiang Goldwind Science&Technology Co.,Ltd.,Daxing District,Beijing 100176,China;Jiangsu Goldwind Software&Technology Co.,Ltd.,Wuxi 214000,Jiangsu Province,China;College of Energy and Electrical Engineering,Hohai University,Nanjing 211100,Jiangsu Province,China)

机构地区：[1]新疆金风科技股份有限公司,北京市大兴区100176 [2]江苏金风软件技术有限公司,江苏省无锡市214000 [3]河海大学能源与电气学院,江苏省南京市211100

出　　处：《发电技术》

基　　金：国家自然科学基金项目(52077059)。

年　　份：2021

卷　　号：42

期　　号：1

起止页码：60-68

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：碳中和背景下,风电将成为我国的主导能源之一。随着人工智能技术快速发展,人工神经网络被广泛应用于风力发电功率预测。传统的人工神经网络算法采用固定形式数据集和单一网络结构,限制了整体表达能力,导致超短期风电功率预测由于各种不确定因素造成难以控制的误差。为此,提出一种基于人工神经网络的多通道特征组合模型,用于超短期风电功率预测。首先将数据集进行重新分类,分别输入到3个神经网络,建立3种特征组合形式;再将多通道特征进行拼接融合,并将融合后的特征加入到全连接神经网络中进行功率预测,可消除不同特征之间的干扰,有效学习到长期依赖的数据特征;最后对5个风电场数据进行算法验证。实验结果表明,该方法比单通道模型能够获得更好的预测精度,而且增加了网络稳定性。

关 键 词：碳中和  风力发电 超短期功率预测  人工神经网络 多通道

分 类 号：TK89]