关键词:
CNN
装袋算法
KNN
风电功率
摘要:
风电场发电功率的精确预测对调度部门及时调整发电规划意义重大。利用2020年1月1日—12月31日甘肃酒泉中广核干东风电场的风功率及风塔风速数据,基于多种典型的机器学习算法和单一模型在测试集上表现出的特点,研究K近邻(K-Nearest Neighbor,KNN)、装袋算法(Bootstrap Aggregating,BA)与卷积神经网络(Convolutional Neural Network,CNN)的组合方法,建立融合KNN、BA与CNN的风电功率预测模型。结果表明,单一模型均存在对部分值低值高估的情况,其中多层感知机(Multilayer Perceptron,MLP)、CNN这两种神经网络还存在明显的高值低估现象;BA模型预测精度最高,其在测试集上的均方根误差(Root Mean Square Error,RMSE)为13.08 MW;组合模型均能一定程度上提高单一模型的预测精度,其中CNN组合模型在测试集上RMSE为12.21 MW,比单一模型中最好的BA模型RMSE下降约6.7%,CNN组合模型可以明显改善CNN单一模型高值低估、低值高估和BA模型低值高估的情况。