基于SAM-WGAN-GP的短期风电功率预测 |
| |
引用本文: | 黄玲,李林霞,程瑜,许子健.基于SAM-WGAN-GP的短期风电功率预测[J].太阳能学报,2023(4):180-188. |
| |
作者姓名: | 黄玲 李林霞 程瑜 许子健 |
| |
作者单位: | 1. 兰州理工大学电气工程与信息工程学院;2. 甘肃省工业过程先进控制重点实验室;3. 兰州理工大学电气与控制工程国家级实验教学示范中心 |
| |
摘 要: | 针对风电功率预测精度低且模型不稳定的问题,提出基于双阶段注意力机制生成对抗网络(SAM-WGAN-GP)的短期风电功率预测模型。首先,在生成对抗网络的生成模型中引入自注意力机制和时间注意力机制,通过自注意力机制自适应的选择输入特征,并通过时间注意力机制捕获风电数据时间序列的长时间依赖性;判别模型采用卷积神经网络,提高模型的预测精度。其次,将SAM-WGAN-GP网络的生成器损失函数和均方根误差结合作为目标函数,以提高模型的稳定性,同时为解决判别器缓慢学习的问题,引入双时间尺度更新规则(TTUR)以平衡网络的训练过程。最后,以甘肃省酒泉市某风电场的实际运行数据为例,验证SAM-WGAN-GP模型不仅能自适应选择输入特征,而且可捕捉风电数据的长时间依赖性,并提高预测精度。
|
关 键 词: | 风电功率预测 生成对抗网络 注意力机制 卷积神经网络 |
|
|