文献类型：期刊文章

作　　者：贾睿[1] 杨国华[1,2] 郑豪丰[1] 张鸿皓[1] 柳萱[1] 郁航[1]

JIA Rui;YANG Guohua;ZHENG Haofeng;ZHANG Honghao;LIU Xuan;YU Hang(School of Physics and Electronic-Electrical Engineering,Ningxia University,Yinchuan 750021,China;Ningxia Key Laboratory of Electrical Energy Security,Yinchuan 750004,China)

机构地区：[1]宁夏大学物理与电子电气工程学院,宁夏银川750021 [2]宁夏电力能源安全重点实验室,宁夏银川750004

出　　处：《中国电力》

基　　金：国家自然科学基金资助项目(71263043);宁夏回族自治区自然科学基金资助项目(2021AAC03062)。

年　　份：2022

卷　　号：55

期　　号：5

起止页码：47-56

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、DOAJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：准确预测风电功率可以提高电网运行的安全性和可靠性。为进一步提高短期风电功率预测精度,针对目前单一模型难以获得最优预测结果的问题,提出一种CNN-LSTM&GRU多模型组合短期风电功率预测方法。首先,利用卷积神经网络(convolutional neural network,CNN)提取数据局部特征,并结合长短期记忆(long short term memory,LSTM)网络构造出融合局部特征预提取模块的CNN-LSTM网络结构;然后,将其与门控循环单元(gated recurrent unit,GRU)网络并行,并通过自适应权重学习模块为CNN-LSTM模块和GRU模块的输出选择最佳权重,构建出CNN-LSTM&GRU组合的短期预测模型。最后,对中国西北某风电场的出力进行预测研究,结果表明:所提模型与单一模型或其他组合模型相比,指标误差更小,预测精度更高。

关 键 词：短期风电功率预测 CNN-LSTM  GRU  组合预测 自适应权重学习  

分 类 号：TM614] TP183]