基于时序分解与误差修正的新能源爬坡事件预测

• 作者: 童林 官铮 王立威 杨文韬 姚洋
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 主成分分析 长短期记忆网络 误差修正 新能源爬坡 时序分解
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 计算机与控制工程|Computer and Control Engineering
• 页码范围: 338-346
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2022.02.015

摘要

为了提高以风电、光伏为代表的新能源的爬坡预测的准确性,提出基于主成分分析、时序分解与修正长短期记忆(LSTM)网络预测误差的爬坡预测模型.为了充分考虑功率的时序特性,采用时序分解方法将功率分解为周期、趋势和余项,结合多个特征因素的主成分建立基于LSTM的趋势和余项预测模型,实现功率的时间特征与影响因素主成分的映射关系刻画.在采用LSTM对趋势和余项进行初步预测的基础上,引入误差修正算法计算拟合预测模型的动态误差并构建新的非平稳时间序列,获得准度性更佳的趋势和余项预测值.通过加法模型融合趋势、余项以及利用朴素法获得的周期,得到最终预测功率.结合风电和光伏爬坡事件定义,运用所提模型分别进行风电和光伏爬坡预测.实验结果表明,与其他预测方法相比,所提模型在功率直接预测和爬坡事件间接预测上均具有更优的精度,能够为电网调度提供更可靠的依据.