基于预测信息二维坐标动态划分的风电集群功率超短期预测

摘要：

风电集群的大规模并入电网对功率预测的准确度提出了更高的要求.为能充分利用预测功率信息和数值天气预报(numerical weather prediction,NWP)信息,该文提出一种基于功率变化趋势和风速变化波动的二维坐标的风电场动态分群方法.将4h时间尺度的预测过程分成4个等长时间尺度的循环过程,在每次1h的循环过程中应用平衡迭代规约和聚类(balanced iterative reducing and clustering using hierarchies,BIRCH)对各场站的二维坐标聚类,完成对集群的划分,根据划分结果构建训练集,通过门控循环单元(gate recurrent unit,GRU)模型完成各子集群的功率预测,重复这一过程直至完成4h的超短期功率预测.算例结果表明,所提方法的预测精度相比静态划分提升1.8％,相比统计升尺度提升4.31％,可有效提高风电集群的功率超短期预测准确度.

关键词：风电功率预测、功率变化趋势、风速变化波动、集群动态划分、深度学习

所属期刊栏目：42

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划2018YFB0904200

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：8854-8863,中插5