基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测

随着风电渗透率的不断提高，如何对风电出力进行精准可靠预测是电力系统调度部门所面临的巨大挑战。当前，中国已具备较为成熟的风电功率预测解决方案，但其在转折性天气时段仍会出现极端预测偏差。同时，转折性天气数据集相对于常规功率预测数据集而言属于小样本，如何在小样本数据集下实现准确建模是精度提升的关键。针对上述问题，提出一种基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测方法，该方法通过优选与构造多重场景转折性天气过程下的气象敏感特征，利用时间序列生成对抗网络对多场景气象敏感特征小样本集进行扩充，并采用长短期记忆神经网络对扩充后的敏感气象因子与风电观测出力序列之间的非线性关系进行建模。采用吉林某风电场数据进行算例验证，结果表明所提模型能够在一定程度上提高包含转折性天气的日前风电功率预测精度。