基于集合经验模态分解和编码器-解码器的风电功率多步预测

准确的风电功率预测对于推动风电大规模并网具有积极意义，现有的研究多集中于超短期范围内的单步预测。为了实现更加贴近工程应用实际的风电功率多步预测，提出了一种基于集合经验模态分解和编码器-解码器的风电功率多步预测方法。首先采用k均值聚类算法对风电机组进行聚类，然后引入集合经验模态分解算法对机组群功率序列进行分解，从而提取风电场功率的时空分布特征，通过预先搭建的基于门控循环单元的编码器-解码器预测网络实现风电功率的超前多步预测，最后将各预测值重构获得风电场总功率的预测值。利用某风电场的真实数据进行算例分析，结果表明所提算法在超前1～6 h不同应用场景下的预测性能均优于其他传统模型，预测准确度提升了6.45%～13.56%。