基于多源数据图表示学习的风电出力预测方法

高精度的风电出力预测技术是实现碳中和的关键技术之一，随着智能电网的逐步建设，风电出力预测系统逐步从分散模式趋向于集中模式，其表现为一个系统集成多个风电场站的数据和模型。传统预测方法无法较好地处理这种大数据融合场景，也无法较好表征多个风电场站之间的关系，因此，提出了基于多源数据图表示学习的风电出力预测方法。通过基于Stacking集成学习框架思想和图理论对多个风电场站形成的特征数据构建图数据，其中，图数据的节点为历史风电出力数据、基础方法预测值数据以及气象、位置等多源数据，边为多个风电场站之间的相关性，从而实现对多个场站数据的融合表征。最后搭建残差图卷积神经网络对所构建的图数据进行学习训练，并通过公开数据集验证了所提算法具有更好的结果。