基于图卷积网络和风速差分拟合的中长期风功率预测

摘要：

为充分利用数据特征间的先验关系,提高风电场中长期发电功率预测精度,提出一种基于图卷积神经网络(GCN)、风速差分拟合(DF)、粒子群优化算法(PSO)的中长期风功率预测模型.通过分析风力发电全过程,挖掘风功率影响因素及因素间的相互关联性,搭建GCN模型,分别拟合风速和功率利用效率,进一步结合基于DF的风速-功率计算模型计算风功率,模型的损失包含功率损失、风速损失和功率利用效率损失 3 个部分,采用粒子群优化算法为这 3 部分损失确定合适的权重.2 个风电场的实际算例表明,该模型未来10 天风功率预测的相对均方根误差分别为11.44%和 13.09%,具有较高的预测精度.

关键词：风力发电、风功率预测、图卷积神经网络、风速差分拟合、粒子群优化算法

所属期刊栏目：56

分类号：TP391.41;TP183;TM614

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：96-105