基于组合生成对抗网络的短期风电功率预测

摘要：

为了提高风电功率的预测精度,本文提出基于组合生成对抗网络(Generative Adversarial Net-work,GAN)的短期风电功 率预测 模型.首先,通过集合经验模 态分解(Ensemble Empirical Mode Decomposition,EEMD)算法将原始数据分解为多个不同频率的固有模态的子序列,从每个子序列中提取非线性和动态信号.然后,在组合框架中,应用 自我注意机制(Self-attention Mechanism,SAM)作为生成模型,提取并生成风电原始数据的分布特征;卷积神经网络(Convolutional Neural Networks,CNN)作为判别模型,进行风电功率的预测,并采用强化学习(Reinforcement Learning,RL)来调整组合模型的超参数.最后,以甘肃省酒泉市某风电场的实际运行数据为例,验证所提方法与其他算法相比的优越性能.

关键词：风电功率预测、自我注意、生成对抗网络、卷积神经网络、强化学习

分类号：TM614;TK89;TM71

在线出版日期：2023-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：128-132