考虑时空相关性的风电机组风速清洗方法

作     者：李莉 梁袁 林娜 阎洁 孟航 刘永前 Li Li;Liang Yuan;Lin Na;Yan Jie;Meng Hang;Liu Yongqian

作者机构：新能源电力系统全国重点实验室(华北电力大学)北京102206 华北电力大学新能源学院北京102206 

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

年 卷 期：2024年第45卷第6期

页      面：461-469页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 080703[工学-动力机械及工程] 080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家重点研发计划“可再生能源与氢能技术”专项“风力发电复杂风资源特性研究及其应用与验证”项目(2018YFB1501100) 

主　　题：风电场 风电机组 图神经网络 长短期记忆神经网络 风速时空相关性 数据清洗 

摘      要：为获得完整可靠的风速数据,提出一种考虑时空相关性的风电机组机舱风速清洗方法。利用图卷积神经网络(GCN)提取风速的空间相关信息、利用双向长短期记忆神经网络(Bi-LSTM)提取时间相关信息,建立GCN-LSTM模型重构各机组风速序列,实现对异常风速数据的识别和清洗。分析风速的时空特性及其对模型清洗精度的影响,确定最优时间尺度和机组节点数量2个重要的建模参数;以中国4个不同地形风电场为例对GCN-LSTM模型进行验证,结果表明考虑时空相关性可有效提高风速清洗精度,风速的时空相关性越高风速清洗误差越小,且该模型在不同地形风电场的风速清洗中表现出良好的鲁棒性。