风电功率预测在油田分布式风电建设中的效用研讨

为精确预测风电设备发电功率，使油田电网自建风电机组发电功率与实际用电负荷达到最佳匹配效果，提出了自适应噪声完备集合经验模态分解（CEEMDAN, Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）和时间卷积网络（TCN,Temporal Convolutional Network）的风电功率短期预测模型。利用CEEMDAN算法将风电功率序列进行分解，将分解之后的结果与选用的历史风速、历史风向、温湿度等一起作为时间卷积网络模型输入变量，并采用归一化方法消除各变量间量纲差异，得到各自对应分量的预测值，最后将各预测分量叠加重构得到最终功率预测序列。为验证所提模型的预测精度，将其与经典算法对比分析，获得较为精确的风电设备发电功率数据，为油田电网分布式风电机组容量最优配置提供了重要参考。