考虑机组特性的海上风电时空关联功率预测模型

张皓; 贾天下; 王浩; 文仁强; 张子良; 吴松熊

doi:10.19912/j.0254-0096.tynxb.2025-0754

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 >

考虑机组特性的海上风电时空关联功率预测模型

更新时间：2026-10-15

- 考虑机组特性的海上风电时空关联功率预测模型
- 考虑机组特性的海上风电时空关联功率预测模型
- 太阳能学报 2026年47卷第9期页码：788-794
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.19912/j.0254-0096.tynxb.2025-0754
  中图分类号： TK81
- 网络首发：2026-10-10，
  
  纸质出版：2026
- 稿件说明：
移动端阅览
张皓, 贾天下, 王浩, 等. 考虑机组特性的海上风电时空关联功率预测模型[J]. 太阳能学报, 2026,47(9):788-794.

张皓, 贾天下, 王浩, et al. 考虑机组特性的海上风电时空关联功率预测模型[J]. 2026, 47(9): 788-794.
张皓, 贾天下, 王浩, 等. 考虑机组特性的海上风电时空关联功率预测模型[J]. 太阳能学报, 2026,47(9):788-794. DOI： 10.19912/j.0254-0096.tynxb.2025-0754.

张皓, 贾天下, 王浩, et al. 考虑机组特性的海上风电时空关联功率预测模型[J]. 2026, 47(9): 788-794. DOI： 10.19912/j.0254-0096.tynxb.2025-0754.

摘要

针对海上风电时空关联特性显著的特点

提出一种考虑机组出力特性差异的时空关联功率预测模型。首先

利用密度聚类算法对风电机组进行分类

识别不同出力模式的机组群体;其次

通过相关性分析筛选出具有代表性的机组集合

为后续建模提供关键输入特征;最后

基于轻量级梯度提升机开展功率预测建模

实现高效、精准的风电功率预测。经过与实际运行数据的比对

结果表明

该模型能有效提高功率预测精度

并在一定程度上增强预测模型的泛化能力。

Abstract

Focusing on the significant spatio-temporal correlation characteristics of offshore wind power

a spatio-temporal correlation power forecasting model considering the differences in unit output patterns is proposed. Firstly

the density-based clustering algorithm is used to classify the output characteristics of wind turbines

so as to identify the groups of units with different output patterns; secondly

a representative set of units is selected through correlation analysis

providing key inputs for modeling. Finally

a power forecasting model is constructed based on the light gradient boosting machine to achieve efficient and accurate predictions. After verification with actual operation data

the result shows that this model can effectively improve the accuracy of power forecasting and enhance the generalization ability of the forecasting model to a certain extent.

关键词

Keywords

references

Díaz H, Guedes Soares C.Review of the current status, technology and future trends of offshore wind farms[J]. Ocean Engineering, 2020, 209: 107381.

符杨, 郑紫宸, 时帅, 等. 考虑气象相似性与数值天气预报修正的海上风功率预测[J]. 电网技术, 2019(4): 1253-1260.

梅睿, 吕志勇, 顾文, 等. 基于主成分分析和谱聚类的短期风功率预测[J]. 现代电力, 2023, 40(1): 35-41.

曾东, 杨兴旺, 吴继秀, 等. 海上风电场多时间尺度功率预测方法研究[J]. 电力系统装备, 2023(10): 5-8.

余光正, 陆柳, 汤波, 等. 考虑转折性天气的海上风电功率超短期分段预测方法研究[J]. 中国电机工程学报,2022, 42(13): 4859-4870.

黄玲玲, 石孝华, 符杨, 等. 基于DCGCN模型的海上风电场超短期功率预测[J]. 电力系统自动化, 2024, 48(15): 64-72.

符杨, 任子旭, 魏书荣, 等. 基于改进LSTM-TCN模型的海上风电超短期功率预测[J]. 中国电机工程学报, 2022, 42(12): 4292-4302.

葛畅, 阎洁, 刘永前, 等. 海上风电场运行控制维护关键技术综述[J]. 中国电机工程学报, 2022, 42(12): 4278-4291.

罗朗川, 李汝辉, 曾东, 等. 基于RANSAC-DBSCAN的风速功率曲线异常数据清洗方法[J]. 太阳能学报, 2025, 46(4): 445-453.

Feng C, Cui M J, Hodge B M, et al.A data-driven multi-model methodology with deep feature selection for short-term wind forecasting[J]. Applied Energy, 2017, 190: 1245-1257.

乔宽龙, 董存, 车建峰, 等. 时空特性下基于图卷积神经网络的风电集群功率短期预测方法[J]. 太阳能学报, 2024, 45(5): 95-103.

Székely G J, Rizzo M L, Bakirov N K.Measuring and testing dependence by correlation of distances[J]. The Annals of Statistics, 2007, 35(6): 2769-2794.

胡澜也, 蒋文博, 李艳婷. 基于LightGBM的风力发电机故障诊断[J]. 太阳能学报, 2021, 42(11): 255-259.

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

基于改进APO-SVMD的海上风电场混合储能容量配置

风浪冰载荷作用下海上风电机组塔筒结构动力响应

考虑土体蠕变的海上风力机桶型基础长期沉降计算方法研究

基于一体化耦合技术的海上风电基础疲劳分析

海上风电筒型基础新型安装平台水平承载特性研究