考虑风电机组时空特性的风电场超短期功率预测模型

李伟鹏; 钟晓青; 杨超; 张斌

doi:10.26963/j.psce.2026.04016

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 >

考虑风电机组时空特性的风电场超短期功率预测模型

清洁能源 | 更新时间：2026-05-22

- 考虑风电机组时空特性的风电场超短期功率预测模型
- 考虑风电机组时空特性的风电场超短期功率预测模型
- 电网与清洁能源 2026年42卷第4期页码：129-138
- 作者机构：
  
  1. 广东工业大学自动化学院
  2. 中国能建广东省电力设计研究院有限公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(62303123)~~
- DOI：10.26963/j.psce.2026.04016
  中图分类号： TM614;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
李伟鹏, 钟晓青, 杨超, 等. 考虑风电机组时空特性的风电场超短期功率预测模型[J]. 电网与清洁能源, 2026,42(4):129-138.

李伟鹏, 钟晓青, 杨超, et al. 考虑风电机组时空特性的风电场超短期功率预测模型[J]. 2026, 42(4): 129-138.
李伟鹏, 钟晓青, 杨超, 等. 考虑风电机组时空特性的风电场超短期功率预测模型[J]. 电网与清洁能源, 2026,42(4):129-138. DOI： 10.26963/j.psce.2026.04016.

李伟鹏, 钟晓青, 杨超, et al. 考虑风电机组时空特性的风电场超短期功率预测模型[J]. 2026, 42(4): 129-138. DOI： 10.26963/j.psce.2026.04016.

摘要

传统的风电功率预测统计模型在进行风电场超短期功率预测时，难以处理高维数据且忽略风电机组间时空相关性。针对这一问题，提出了考虑风电机组时空相关性的超短期预测模型。首先，通过快速动态时间扭曲算法度量机组的空间相似度，筛选出与目标风机相似的机组群作为模型输入数据。其次，采用基于深度学习的三维卷积神经网络和双向门控循环单元的混合模型，提取数据的时空相关性；同时引入自注意力机制和残差网络，增强模型对关键信息的提取。最后，以某风电场的实际运行数据为例，进行风机功率预测实验。实验结果表明，与现有的算法相比，所提方法预测误差更小，预测精度更高，拟合效果明显优于其他基础模型。

Abstract

关键词

Keywords

references

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SSA-BiGRU-CNN神经网络和波动数据修正的电动汽车短期负荷预测模型

基于CenterNet的输电设备状态缺陷智能识别

基于RMCA-CNN和同步相量的风电场次/超同步振荡参数智能辨识方法

基于挤压激励卷积神经网络的配电网拓扑辨识

基于多时间尺度卷积神经网络的煤改电用户负荷识别方法研究