关键词:
时间卷积网络
双向门控循环单元
风电功率
注意力机制
摘要:
随着新能源的发展,风力发电对电力系统稳定运行发挥着越来越重要的作用。但是风电是属于波动性强的不稳定能源,大规模并网会加剧电力系统的不稳定性,精准地预测短期风电功率可以提高电网运行的稳定性和准确性。提出了一种基于注意力机制的时间卷积网络(temporal convolutional network,TCN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)短期风电功率预测模型。利用TCN挖掘多维时间序列数据之间的关联,提取高维时序特征,残差模块加快收敛速度,建立BiGRU并在输出端引入注意力机制构建时序注意力模块,增强BiGRU对双向时序关系进行挖掘的能力,提高重要历史时序信息的影响,得到最终风电功率预测值。实验结果表明,文中模型的平均绝对值误差(mean absolute error,MAE)、平均绝对值百分比误差(mean absolute percentage error,MAPE)、决定系数(R-Square)分别为238.62,5.17和0.977,比其他单一模型和组合模型具有更高的精确度,验证了该模型具有更高效的短期风电功率预测能力。