文献类型：期刊文章

作　　者：丰胜成[1,2] 郭继成[1] 付华[1] 管智峰[1] 周文铮[1]

FENG Shengcheng;GUO Jicheng;FU Hua;GUAN Zhifeng;ZHOU Wenzheng(Faculty of Electrical and Control Engineering,Liaoning Technical University,Huludao 125105,China;Wangzhuang Coal Mine,Shanxi Lu’an Environmental Energy Development Co.,Ltd.,Changzhi 046000,China)

机构地区：[1]辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105 [2]山西潞安环保能源开发股份有限公司王庄煤矿,山西长治046000

出　　处：《电工电能新技术》

基　　金：国家自然科学基金项目(51974151、71771111);辽宁省高等学校国(境)外培养项目(2019GJWZD002);辽宁省高等学校创新团队项目(LT2019007);辽宁省自然基金指导计划项目(20180550438);辽宁省教育厅科技项目(LJ2019QL015)。

年　　份：2023

卷　　号：42

期　　号：10

起止页码：55-65

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2023_2024、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对风电功率点预测无法对风电功率时序的不确定性进行风险评估的问题,本文提出了基于变分模态分解结合改进的松鼠算法优化门控循环单元(GRU)分位数回归的短期风电功率概率密度预测方法。采用变分模态分解降低数据样本训练的复杂程度,利用折射反向学习策略和加入惯性权重基于箕舌线调整的方法对松鼠算法进行改进,通过改进的松鼠算法对GRU分位数回归的超参数进行寻优,获取改进后的松鼠算法优化GRU分位数回归的风电功率概率密度模型。结果表明,得到改进的模型对比初始模型具有更高的精度和效率,均方根误差、平均绝对误差评价指标分别为0.775 7 MW和0.619 6 MW。用调优后的模型预测不同分位点下的风电功率,并通过核密度估计法获得风电功率的概率密度函数。最后,利用中国实际风电场的实际运行数据对提出的理论和方法进行了实验研究。

关 键 词：风电功率概率预测  分位数回归 松鼠算法  核密度估计 变分模态分解  

分 类 号：TM614]