基于日聚类的混合模型短期功率预测

郭 泽航, 高 锦锦, 李 亨
华北水利水电大学

摘要


针对风电功率数据的固有波动性和随机性问题，本文提出了一种融合日聚类、数据分解及混合深度学习模型的短期风电预测方法。首先根据气象数据的日特征向量使用聚类模型聚类为典型日，使得模型可以更直观的识别风电功率的波动特性。然后使用经验小波分解技术对数据进行分解处理，得到处理后的功率数据。最后构建基于卷积神经网络和带有注意力机制的双向门控循环单元对处理后数据进行训练和预测。通过实验对比分析，结果表明，本文所提出的模型在不同典型日的预测中均展现出优越性，不仅在预测精度上超越了其他模型，而且能够精准捕捉风电功率的变化趋势。

关键词


风电功率预测；日聚类；注意力机制

全文:

PDF


参考


[1]Sharma A, Dharwal M, Kumari T. Renewable energy for sustainable developmentA comparative study of india and china[J]. Materials Today: Proceedings, 2021.

[2]IEA. Global Energy Review 2025. [2025-3-24]. https://www.iea.org/reports/global-energy-review-2025.

[3]慎慧强.基于混合预测模型的风光短期功率预测及不确定性分析[D].[硕士学位论文].郑州：华北水利水电大学，2022.

[4]李溪.风光功率短期联合预测及其不确定性耦合分析[D].[硕士学位论文].郑州：华北水利水电大学，2023.

[5]唐新姿，顾能伟，黄轩晴，等.风电功率短期预测技术研究进展[J].机械工程学报，2022，58（12）：213-236.

[6]冯耀东.风光功率短期集合预测及其不确定性耦合特性分析[D].[硕士学位论文].郑州：华北水利水电大学，2024.

[7]韩自奋，景乾明，张彦凯，等.风电预测方法与新趋势综述[J].电力系统保护与控制，2019，47（24）：178-187.

[8]张冬冬，单琳珂，刘天皓.人工智能技术在风力与光伏发电数据挖掘及功率预测中的应用综述[J].综合智慧能源，2025，47（03）：32-46.

[9]詹莹，王潇添，王旭，等.基于综合距离相似的CEEMDAN-Informer光伏功率组合预测模型研究[J].太阳能学报，2025，46（08）：315-326.

[10]杨建，常学军，姚帅，等.基于WT-CNN-BiLSTM模型的日前光伏功率预测[J].南方电网技术，2024，18（08）：61-69+79.




DOI: http://dx.doi.org/10.12361/2661-3506-08-01-153772

Refbacks

  • 当前没有refback。