基于多目标协同训练的风电功率预测提升算法

TM641; "双碳"目标下,电力系统加速转型,风电预测技术对构建高比例新能源的新型电力系统具有重要意义.为提升风电功率预测的准确性和鲁棒性,文中提出一种基于多目标协同训练的数值天气预报(numerical weather predicition,NWP)隐式校正算法.首先,分析了NWP校正的必要性和基于NWP 显式校正的二步预测法存在的问题;然后,针对二步预测法存在的问题,基于多目标协同训练的优化方式利用神经网络进行NWP隐式校正,以端到端的方式训练模型,同时实现NWP隐式校正和风电功率预测的功能.结合某风电场实测数据开展具体算例分析,证明了所提算法对短期及中长期风电功率...

Full description

Saved in:
Bibliographic Details
Published in电力工程技术 Vol. 42; no. 6; pp. 232 - 240
Main Authors 宋家康, 赵建勇, 孙海霞, 王华雷, 年珩, 张森
Format Journal Article
LanguageChinese
Published 国网江苏省电力有限公司连云港供电分公司,江苏 连云港 222000%浙江大学电气工程学院,浙江 杭州 310027 28.11.2023
Subjects
数值天气预报(NWP)隐式校正
提升算法
two-step forecasting method
improvement algorithm
风电功率预测
多目标协同训练
multi-objective collaborative training
neural networks
神经网络
numerical weather predicition(NWP)implicit correction
二步预测法
wind power forecasting
Online AccessGet full text
ISSN2096-3203
DOI10.12158/j.2096-3203.2023.06.025

Cover

More Information
Summary:TM641; "双碳"目标下,电力系统加速转型,风电预测技术对构建高比例新能源的新型电力系统具有重要意义.为提升风电功率预测的准确性和鲁棒性,文中提出一种基于多目标协同训练的数值天气预报(numerical weather predicition,NWP)隐式校正算法.首先,分析了NWP校正的必要性和基于NWP 显式校正的二步预测法存在的问题;然后,针对二步预测法存在的问题,基于多目标协同训练的优化方式利用神经网络进行NWP隐式校正,以端到端的方式训练模型,同时实现NWP隐式校正和风电功率预测的功能.结合某风电场实测数据开展具体算例分析,证明了所提算法对短期及中长期风电功率预测均有提升作用.此外,该算法仅需 1 个网络且避免了二次计算,节省了计算存储成本.
ISSN:2096-3203
DOI:10.12158/j.2096-3203.2023.06.025