基于MLP-BiLSTM-TCN组合的超短期风电功率预测
张晓艳
向勉
朱黎
周丙涛
刘洪笑
段亚穷
湖北民族大学 智能科学与工程学院,湖北 恩施 445000
摘要：风电功率受气象等因素影响具有很强的随机性和波动性,传统单一神经网络模型预测精度较低,难以满足需求.基于此,提出了多层感知机(multi-layer perceptron,MLP)-双向长短期记忆(bidirectional long short-term memory,BiLSTM)-时间卷积网络(temporal convolutional network,TCN)组合的超短期风电功率预测模型.首先使用皮尔逊相关系数处理数据,将相关性高的特征和每个预测点前 6 个真实值作为输入,然后生成 3 种基础神经网络模型MLP、BiLSTM、TCN,并根据隐藏单元设置不同参数,每个模型选取 4 个参数结果即组成 12 种基础模型.最后采用线性规划(linear programming,LP)法求出不同权值,以达到结果的最优化.以新疆某风电场为例对所提组合模型进行验证,绝对平均绝对误差(mean absolute error,MAE)为 2.975 MW,均方根误差(root mean square error,RMSE)为 5.474 MW,相较于其他模型,所提组合模型具有更高的预测精度.该研究能在风电功率预测中进行实时调度,解决电网调频问题,对组合模型预测研究有促进作用.
关键词：风电功率预测神经网络模型皮尔逊相关系数线性规划组合模型
分类号：TM614(发电、发电厂)
资助基金：国家自然科学基金(61961017)湖北省教育厅科学技术研究计划青年人才项目(Q20201902)湖北民族大学博士启动基金项目(MD2020B009)
论文发表日期：2023-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 513-519,529 )
英文信息