基于持续学习的SGMD-TSNE-TCNre风电功率长期预测
杨晓华1
代盛国1
李家浩1
李佳2
1.南方电网云南电网有限责任公司,云南 昆明 6500002.西安许继电力电子技术有限公司,陕西西安 710000;昆明理工大学,云南 昆明 650000
摘要：针对风电功率的预测,提出一种基于持续学习的时间卷积网络(TCNre)算法,并结合辛几何模态分解(SGMD)、t-分布及随机近邻嵌入(TSNE)数据处理方法,构建预测模型SGMD-TSNE-TCNre.针对持续学习方法的有效性验证,搭建基于参数冻结的持续学习模型(TCNre),并与TCN模型进行对比分析.在此基础上,考虑风电机组发电功率受多种复杂因素的影响,引入SGMD模型,以降低环境因素带来的非平稳性,并利用TSNE降低模型输入的维度;采用某风电场一年的实测数据进行验证,并与其他常见的预测模型进行对比.结果表明,SGMD-TSNE-TCNre模型有效并且具有更高的精确度.
关键词：风力发电功率预测持续学习模型时序卷积神经网络模态分解特征降维TSNE
分类号：TK81(风能、风力机械)
论文发表日期：2025-01-31
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：5( 21-25 )
英文信息