基于双通道网络和迁移学习的超短期风电功率预测

杨海林; 李立新; 范瑞铭; 张鑫; 王渊龄; 李媛媛; 赵雪

doi:10.19705/j.cnki.issn2096-5125.20240104

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于双通道网络和迁移学习的超短期风电功率预测

“提升电力系统适应气候变化和极端天气能力”专题 | 更新时间：2026-06-18

- 基于双通道网络和迁移学习的超短期风电功率预测
- 基于双通道网络和迁移学习的超短期风电功率预测
- 全球能源互联网 2026年9卷第3期页码：361-370
- 作者机构：
  
  1. 国网青海省电力公司经济技术研究院
  2. 电网安全与节能国家重点实验室(中国电力科学研究院有限公司)
- 作者简介：
- 基金信息：
- DOI：10.19705/j.cnki.issn2096-5125.20240104
  中图分类号： TM614;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
杨海林, 李立新, 范瑞铭, 等. 基于双通道网络和迁移学习的超短期风电功率预测[J]. 全球能源互联网, 2026,9(3):361-370.

杨海林, 李立新, 范瑞铭, et al. 基于双通道网络和迁移学习的超短期风电功率预测[J]. 2026, 9(3): 361-370.
杨海林, 李立新, 范瑞铭, 等. 基于双通道网络和迁移学习的超短期风电功率预测[J]. 全球能源互联网, 2026,9(3):361-370. DOI： 10.19705/j.cnki.issn2096-5125.20240104.

杨海林, 李立新, 范瑞铭, et al. 基于双通道网络和迁移学习的超短期风电功率预测[J]. 2026, 9(3): 361-370. DOI： 10.19705/j.cnki.issn2096-5125.20240104.

摘要

针对新建风电场因历史数据不足而难以实现高精度风电功率预测的问题，提出了一种基于双通道网络和迁移学习的超短期风电功率预测方法。该方法首先通过双通道网络分别对气象数据和功率数据进行特征提取。其中，气象通道采用注意力机制为不同气象因素动态分配权重，并结合卷积神经网络提取高维气象特征；功率通道则采用门控循环单元，以有效捕捉数据的变化趋势，从而预测未来发电功率。随后，将双通道提取的特征进行融合，并通过前馈神经网络实现风电功率的回归预测。为进一步提升模型在数据稀缺场景下的性能，采用迁移学习策略，先在数据充足的风电场进行模型预训练，再将其迁移至目标风电场进行微调。仿真实验结果表明，所提方法在预测精度上显著优于现有模型，并有效缓解了新建风电场因数据不足导致的预测精度下降问题。

Abstract

关键词

Keywords

references

王增平,赵兵,纪维佳,高欣,李晓兵.基于GRU-NN模型的短期负荷预测方法[J].电力系统自动化,2019(05).

薛阳,王琳,王舒,张亚飞,张宁.一种结合CNN和GRU网络的超短期风电预测模型[J].可再生能源,2019(03).

刘家敏,李聪睿,周志浩,李升.基于WD-CS-SVM的超短期风电功率组合预测[J].电力工程技术,2019(05).

刘云凯,彭显刚,袁浩亮,刘艺.基于VMD与改进QRGRU的超短期风电功率概率预测[J].电力工程技术,2021(03).

史凯钰,张东霞,韩肖清,解治军.基于LSTM与迁移学习的光伏发电功率预测数字孪生模型[J].电网技术,2022(04).

查雯婷,杨帆,陈波,李亚龙.基于CNN的区域风功率预测方法[J].计算机仿真,2021(05).

王愈轩,梁沁雯,章思远,刘尔佳,黄永章.基于LSTM-XGboost组合的超短期风电功率预测方法[J].科学技术与工程,2022(14).

张淑清,杨振宁,姜安琦,李君,刘海涛,穆勇.基于EN-SKPCA降维和FPA优化LSTMNN的短期风电功率预测[J].太阳能学报,2022(06).

李卓,叶林,戴斌华,於益军,罗雅迪,宋旭日.基于IDSCNN-AM-LSTM组合神经网络超短期风电功率预测方法[J].高电压技术,2022(06).

王陈恩,殷豪,陈顺,许炫淙,朱梓彬,孟安波.考虑空间耦合的少数据风电功率预测方法[J].南方电网技术,2022(06).

樊继慧,滕少华,金弘林.基于改进Sigmoid卷积神经网络的手写体数字识别[J].计算机科学,2022(12).

殷豪,张铮,丁伟锋,陈嘉铭,陈黍,孟安波.基于生成对抗网络和LSTM-CSO的少样本光伏功率短期预测[J].高电压技术,2022(11).

师洪涛,高天霁,丁茂生,李梓鑫,张智峰,闫佳.基于趋势聚类与决策树的风电功率多区间复合短期预测方法[J].太阳能学报,2022(04).

林铮,刘可真,沈赋,赵现平,梁玉平,董敏.考虑海上风电多机组时空特性的超短期功率预测模型[J].电力系统自动化,2022(23).

朱琼锋,李家腾,乔骥,史梦洁,王朝亮.人工智能技术在新能源功率预测的应用及展望[J].中国电机工程学报,2023(08).

陈金车,王金艳,苏士翔,孙彩霞,谢祥珊.3种机器学习方法预报风电功率的对比[J].兰州大学学报(自然科学版),2022(01).

房佳姝,刘崇茹,苏晨博,林晗星,郑乐.基于自注意力Transformer编码器的多阶段电力系统暂态稳定评估方法[J].中国电机工程学报,2023(15).

杜仲耀,陈晓英,邓宇,孙丽颖.基于特征迁移的光伏功率短期预测[J].电源技术,2022(03).

程凯,彭小圣,徐其友,王勃,刘纯,车建峰.基于特征选择与多层级深度迁移学习的风电场短期功率预测[J].高电压技术,2022(02).

宋技峰,彭小圣,杨子民,段睿钦,周彬彬,陈凯,王有香.基于偏差补偿TCN-LSTM和梯级迁移策略的短期风电功率预测[J].南方电网技术,2023(12).

徐柔,章杰,赖松林,林培杰,卢箫扬,余平平.结合改进的DCGAN和Attention-LSTM的光伏功率预测[J].福州大学学报(自然科学版),2023(04).

任密蜂,王家辉,叶泽甫,朱竹军,阎高伟.一种适用于单/多光伏电站的迁移超短期光伏预测建模框架[J].太阳能学报,2024(06).

王晓霞,艾兴成,王涛.基于实例迁移学习的小样本光伏功率短期预测[J].太阳能学报,2024(06).

向玲,金子皓,李林春.基于注意力机制的IWOA-BiGRU超短期风电功率预测[J].华北电力大学学报(自然科学版),2024(04).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于BO-GRU-ELM的电网虚假数据注入攻击定位检测方法

基于INFO优化CNN-BiLSTM混合网络模型的光伏发电站功率预测研究

基于迁移学习的小样本输电线路巡检图像处理方法

基于图神经网络的变压器短路电流计算方法

基于双塔Transformer的电力系统暂态稳定评估