时空特性下基于图卷积神经网络的风电集群功率短期预测方法

作     者：乔宽龙 董存 车建峰 蒋建东 王勃 Qiao Kuanlong;Dong Cun;Che Jianfeng;Jiang Jiandong;Wang Bo

作者机构：郑州大学电气与信息工程学院郑州450001 中国电力科学研究院有限公司可再生能源并网全国重点实验室北京100192 国家电力调度控制中心北京100031 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第5期

页      面：95-103页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金(52177121) 

主　　题：风电功率 图数据结构 深度学习 时空特性 图卷积神经网络 注意力机制 

摘      要：为解决传统风电集群功率预测方法忽略了不同位置点气象关联特性及单场预测无法快速得到风电集群整体功率的问题,并充分考虑到风电集群耦合的复杂时空特性,提出一种融合注意力机制的时空图卷积神经网络的风电集群功率短期预测方法。首先,计算区域内风电场站历史功率之间的互信息,提取特征邻接矩阵,并结合影响集群功率的气象特征变量转化为气象图数据。其次,构建图卷积神经网络(GCN)模型,从非欧式空间提取气象图节点关联特征。并馈入融合注意力机制(AM)的门控循环单元网络(GRU)增强时序特征中关键信息对风电集群功率的贡献程度。最后,基于中国西部某省风电集群的实际运行数据,验证所提方法的先进性和适应性。