文献类型：期刊文章

作　　者：赵凌云[1] 刘友波[1] 沈晓东[1] 刘代勇[2] 吕霜[3]

ZHAO Lingyun;LIU Youbo;SHEN Xiaodong;LIU Daiyong;Lü Shuang(College of Electrical Engineering,Sichuan University,Chengdu 610065,China;Deyang Power Supply Company,State Grid Chengdu Electric Power Company,Deyang 618000,China;Chengdu Power Supply Company,State Grid Chengdu Electric Power Company,Chengdu 610000,China)

机构地区：[1]四川大学电气工程学院,四川成都610065 [2]国网四川省电力公司德阳供电公司,四川德阳618000 [3]国网四川省电力公司成都供电公司,四川成都610000

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51977133);国家自然科学基金重点项目资助(U2066209)。

年　　份：2022

卷　　号：50

期　　号：1

起止页码：42-50

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：近年来,风力发电逐渐成为可再生能源发电的关键部分。为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型。首先,利用CEEMDAN对风电功率序列进行分解,得到子序列分量,并分别与关键气象变量数据构成训练集。然后,使用基于时间模式注意力机制的时间卷积网络对子序列分量分别进行预测。最后,重构预测结果后得到最终的预测值。整个预测过程有助于精准刻画风电的分量特性,并通过TPA机制捕捉变量间的关联性,有效地提高风电功率的预测准确率。

关 键 词：风电功率预测 自适应噪声完备集成经验模态分解  时间卷积网络  时间模式注意力机制  

分 类 号：TM614] TP183]