基于ES-GRU-LSTM的风电场群功率预测

• 作者: 王佳钰 郝思鹏 李森文 王腾洲 张伟
• 来源期刊: 计算技术与自动化
• 关键词: 长短记忆神经网络 门控循环单元 风电场群 功率预测 指数平滑法
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 控制系统与自动化装置
• 页码范围: 37-41
• 页数: 4页
• 分类号: TM614
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202203007

摘要

风电占比的不断增加对电力系统安全稳定运行带来挑战，快速、准确的风电功率预测方法至关重要。提出了一种ES-GRU-LSTM模型对风电场群功率进行预测，通过指数平滑法（ES）处理原始数据填补缺失与异常值，提高了功率数据集的可信度和平滑性，并引入训练速度快、结构较简单的门控循环单元（GRU）对预测性能好、准确性较高的长短期记忆（LSTM）神经网络进行改进，比较ES-GRU-LSTM、GRU、LSTM的预测性能和预测时间。仿真结果表明，ES-GRU-LSTM同时改善了预测精度和预测速度。