融合迁移学习与CGAN的风电集群功率超短期预测
Fusion of Transfer Learning and CGAN for Ultra Short-term Power Prediction of Wind Power Clusters作者机构:东北电力大学电气工程学院吉林132012 国网吉林省电力有限公司吉林供电公司吉林132012
出 版 物:《电力系统及其自动化学报》 (Proceedings of the CSU-EPSA)
年 卷 期:2024年第36卷第5期
页 面:9-18页
核心收录:
学科分类:0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学]
基 金:吉林省科技发展计划资助项目(20230203033SF)。
主 题:风电预测 风电集群 条件生成对抗网络 迁移学习 时间卷积网络
摘 要:针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法。首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现象;其次,构建了条件生成对抗网络修复不均衡问题;最后,采用迁移学习结合时间卷积网络构建了风电集群功率超短期预测模型。测试结果表明,所提方法能够显著提高风电集群功率超短期预测精度。