基于图神经网络的非均匀风电场功率预测方法

针对现有的非均匀风电场发电功率预测方法准确度不高、可解释性差等问题，提出一种改进的物理引导的图神经网络（IPGNN）模型来预测非均匀风电场的发电功率输出。首先，构建一个基于三维高斯尾流模型的物理信息基函数，可更准确地反映非均匀风电场中风力机之间尾流相互作用的关系；其次，设计一组基于消息传递框架的图神经网络更新策略，该策略在图神经网络边缘更新中结合注意力机制将物理信息基函数作为权重更新函数，可增强模型的可解释性。在不同数量风力机下的非均匀风电场仿真实验表明，相比于基于一维尾流模型的PGNN模型和典型的数据驱动模型，IPGNN模型均可获得较好的预测效果，其中对具有20台风力机的非均匀风电场，发电功率预测平均绝对误差为3.92%，可认为是一种有效的非均匀风电场发电功率预测方法。