任國輝 姜力杭 韓祺 付盛文 繆廣荻
摘要:風力發電本身具有隨機性和波動性,加上我國風電資源的加速發展,使得風電單機容量和并網型風電場規模擴大,給電力系統的安全性、穩定性、經濟性和可靠運行帶來很大挑戰。利用發電輸出功率的預測結果,為實時經濟調度提供可靠依據,是目前較為迫切的需求。本文提出了一種基于隨機森林算法和LSTM 模型相結合的深度學習算法用于短期風電功率預測。通過對某發電廠數據的評估,采取了多項措施應對可能的誤差源,包括隨機森林算法進行特征篩選,處理空缺值和異常值。經調試選擇最優參數后,將隨機森林和高斯過程與LSTM 深度模型結合,導入數據進行預測,并使用均方誤差函數計算預測誤差。將該模型應用于實測數據驗證,結果表明,評估模型的均方誤差為0.009 831。
關鍵詞:短期風電功率預測;隨機森林;深度學習;數據處理;LSTM
中圖分類號:TP391 文獻標識碼:A
文章編號:1009-3044(2024)06-0018-03