基于GRU-XGBoost的风电场功率短期预测

• 作者: 刘三明 杨森 王致杰
• 来源期刊: 仪表技术
• 学科: 工学
• 关键词: 风功率预测 深度学习 GRU神经网络 极限梯度提升算法
• 年，卷（期）: 2020,（1）
• 页码范围: 17-21
• 页数: 5页
• 分类号: TM614|TM711
• 语种: 中文

摘要

随着风电技术的不断发展,更多的风电机组并入电网运行.考虑到电网的安全性与稳定性,精确的风电场发电短期预测技术越发重要.在利用自适应噪声的完备经验模态分解(CEEMDAN)风电原始序列信号的基础上,采用GRU-XGBoost模型对非线性、非平稳的功率序列进行建模和预测,以提高模型的预测能力和泛化能力.首先利用CEEMDAN将风电功率原始序列分解为一系列不同时间尺度的分量,将分解后的信号输入GRU神经网络输出预测信号,再输入XGBoost进行校正.通过与多种预测模型进行比较证明此模型拥有更好的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王致杰		133	321	9.0	13.0
2	刘三明		70	153	7.0	9.0
3	杨森		2	0	0.0	0.0