关键词:
短时强降雨
风电场
发电功率
预测模型
可分离卷积
注意力机制
摘要:
为确保发电场正常供应电力,设计短时强降雨天气风电场发电功率预测模型,提升发电功率预测效果。通过欧式距离与角度原则扩充短时强降雨天气小样本;利用改进深度可分离卷积算法,在正常天气样本内,提取气象-功率时空特征,并输入长短期记忆网络内,建立正常天气风电场发电功率基准值预测模型,得到发电功率基准值;在Transformer算法内,输入扩充样本,建立短时强降雨天气下发电功率损失值预测模型;利用基于注意力机制的Sequence to Sequence网络,结合扩样本,构造发电功率损失时间点预判模型,结合损失值预测模型,得到最终发电功率损失值;利用基准值减去损失值,得到短时强降雨天气下风电场发电功率预测结果。实验证明:该模型可有效扩充短时强降雨天气小样本;该方法可精准预判发电功率损失时间点,得到发电功率损失值,完成发电功率预测;不同风速下,该模型发电功率预测的关键失误指数与偏移程度均较低,即发电功率预测精度较高。