基于深度学习的风电短期功率预测方法研究

任国辉 姜力杭 韩祺 付盛文 缪广荻

摘要：风力发电本身具有随机性和波动性，加上我国风电资源的加速发展，使得风电单机容量和并网型风电场规模扩大，给电力系统的安全性、稳定性、经济性和可靠运行带来很大挑战。利用发电输出功率的预测结果，为实时经济调度提供可靠依据，是目前较为迫切的需求。本文提出了一种基于随机森林算法和LSTM 模型相结合的深度学习算法用于短期风电功率预测。通过对某发电厂数据的评估，采取了多项措施应对可能的误差源，包括随机森林算法进行特征筛选，处理空缺值和异常值。经调试选择最优参数后，将随机森林和高斯过程与LSTM 深度模型结合，导入数据进行预测，并使用均方误差函数计算预测误差。将该模型应用于实测数据验证，结果表明，评估模型的均方误差为0.009 831。

关键词：短期风电功率预测；随机森林；深度学习；数据处理；LSTM

中图分类号：TP391 文献标识码：A

文章編号：1009-3044（2024）06-0018-03