国网江苏电科院孙蓉等:基于自适应移动平滑与时间卷积网络误差修正的风电功率预测
发布时间:2022-02-24
基于自适应移动平滑与时间卷积网络误差修正的风电功率预测 孙蓉1* ,李强1 ,罗海峰2 ,窦迅2 ,邓叶航2 (1. 国网江苏省电力有限公司电力科学研究院;2. 南京工业大学) 原文发表在《全球能源互联网》2022年第1期“以新能源为主体的新型电力系统关键技术与装备”专栏上,欢迎点击品读。本文受国网江苏省电力有限公司科技项目(基于实时资源和运行数据的高精度新能源功率在线预测)资助。 文章导读 在碳中和、碳达峰的背景下,新型电力系统正在积极展开建设。由于风电具有不规律性、间歇性和非平稳性的特点,当预测误差较大时,其大规模接入会对电网产生极大的冲击。为了解决风电功率预测误差给电力系统稳定安全运行带来的影响,结合单一预测模型的优势,利用组合预测法形成一种预测精度更高、稳定性更好的风电功率预测方法,是目前降低风电功率预测误差的有效方案。利用自适应移动平滑(adaptive movement smoothing,AMS)和时间卷积网络(temporal convolutional network,TCN)进行风电功率误差的再分析与修正,可有效降低误差的波动性,提高预测的精度与稳定性。 文章亮点 1)建立了基于VMD-TCN风电功率超短期预测模型; 2)考虑VMD-TCN模型的预测误差,建立基于AMS-TCN的误差修正模型,对VMD-TCN模型的预测误差进行修正以提高预测精度和稳定性。 摘要 风力发电技术不断成熟带动了风力发电装机容量的增加,然而由于风功率波动性和间歇性的特点,风电的大规模接入会对全网的电力平衡带来很大影响。精准稳定的风电功率预测是保证调度计划有效进行的重要手段。因此本文提出了一种基于自适应移动平滑(adaptive movement smoothing,AMS)和时间卷积网络(temporal convolutional network,TCN)误差修正的风电功率预测方法。该方法首先利用变分模态分解和TCN提取风电功率的时空特性,得到初步预测结果;然后利用AMS模型对预测误差序列进行自适应平滑处理,降低误差的波动性;最后利用TCN模型提取预测误差的时间特性,对初步预测结果进行修正,提高预测的精度和稳定性。基于辽宁双子台和内蒙古克什克腾旗两个风电场的实测数据进行了实验对比分析,相较于其他方法,采用所提风电功率预测方法在15 min、30 min和1h时间尺度下得到的预测结果,平均绝对误差降低50.0%以上,平均相对误差降低10.0%以上,验证了所提方法的有效性。 主要内容 通过对比LSTM、CNN-LSTM、TCN模型在3种不同时间尺度下(15 min,30 min,1 h)的功率预测性能,验证TCN模型在风电功率预测中的优越性。两个风电场的预测结果如图1所示。 ![]() ⬆ 图1 单一模型在两风电场的预测曲线图 为了验证VMD对提升风电功率预测精度的效果,本文运用VMD-LSTM、VMD-CNN-LSTM和VMD-TCN模型与3种单一模型进行对比实验。将VMD-LSTM、VMD-CNN-LSTM和VMD-TCN作为M1,LSTM、CNN-LSTM和TCN模型作为M2。实验结果如图2所示。 ![]() ⬆ 图2 VMD组合模型在两风电场的预测曲线图 本文采用AMS-TCN模型对预测误差做进一步分析,形成基于AMS-TCN误差修正的风电功率组合预测模型VMD-TCN-AMS-TCN,以提高风电功率预测的精度和稳定性。利用VMD-TCN-AMS-TCN模型与其他模型进行对比实验,结果如图3所示。 ![]() ⬆ 图3 VMD-TCN-AMS-TCN模型在两风电场的预测曲线 将TCN与LSTM和CNN-LSTM深度学习模型进行对比,TCN模型预测结果的MAE提升度在1.5%以上,MRE提升度在40.0%以上,验证了TCN模型对风电功率多时间尺度预测的准确性。VMD能够分解得到更加有利于预测的中心频率对称的平稳信号分量,能够有效减小原风电功率噪声对预测的影响,提高预测精度。与未加入VMD的模型相比,VMD预测结果的MAE提升度在40.0%以上,MRE提升度在15.0%以上。AMS-TCN模型能够有效提取预测误差的时间特性,有利于提高预测的精度和稳定性。相较于VMD-TCN模型,其MAE提升度在50.0%以上,MRE提升度在10.0%以上。 本文引文信息 孙蓉,李强,罗海峰,等:基于自适应移动平滑与时间卷积网络误差修正的风电功率预测[J]. 全球能源互联网, 2022, 5(1): 12-23. SUN Rong, LI Qiang, LUO Haifeng, et al. Wind power forecasting based on error correction using adaptive moving smoothing and time convolution network[J]. Journal of Global Energy Interconnection, 2022, 5(1): 12-23(in Chinese). 研究团队 国网江苏省电力有限公司电力科学研究院依托国家电网公司大规模海上风电接入电网仿真与规划技术科技攻关团队、海上风电并网技术实验室和博士后科研流动站,承担了国家863、国家自然科学基金、中外合作等省部级以上项目10余项,实验室紧密围绕海上风电发展战略,开展海上风电运行控制研究、海上风电运维与检测研究、远海风电并网研究,在支撑公司大规模海上风电接入、保障电网安全稳定和促进新能源消纳等方面发挥了重大作用,在海上风电并网运行控制、试验检测等方面实验能力达到国际先进水平。近年来,海上风电实验室累计发表论文57篇(SCI 16篇),编写专著5部,申请国家发明专利67件(授权59件),获得软件著作权24项;获省部级奖10项,国网公司奖4项,省公司奖17项。 作者简介 ![]() 孙蓉 硕士 研究员级高级工程师,主要从事电力系统分析、新能源技术领域的生产科研工作 E-mail: 49958045@qq.com ![]() ![]() 李强 博士 研究员级高级工程师,研究方向为新能源发电及电力系统分析 E-mail: 35830342@qq.com ![]() ![]() 罗海峰 硕士研究生 研究方向为新能源功率预测 E-mail: lhf19970718@163.com ![]() ![]() 窦迅 教授 研究方向为新能源功率预测、综合能源系统、电力市场 E-mail: dxnjut@njtech.edu.cn ![]() ![]() 邓叶航 硕士研究生 研究方向为新能源功率预测 E-mail: 2367132582@qq.com 编辑:李锡 审核:周舟 |
郑重声明
根据国家版权局相关规定,纸媒、网站、微博、微信公众号转载、摘编本网站作品,需包含本网站名称、二维码等关键信息,并在文首注明《全球能源互联网》原创。 个人请按本网站原文转发、分享。
