摘要: 风能作为一种清洁、可再生的能源，在能源转型中扮演着至关重要的角色，准确预测风电出力对电力系统的安全高效运行非常重要，然而风速的波动性和随机性，对风电预测带来了挑战。为了提高风电预测的准确性，提出了一种基于DenseNet卷积神经网络的短期风电预测模型。该模型通过精简DenseNet201网络得到了拥有出色的密集连接结构和适当深度、宽度的DenseNet160网络，不仅能缓解训练过程中梯度消失现象，还能通过密集连接将浅层的信息反映到深层，实现深度监督。基于巴西纳塔尔地区378 d的风力数据集，采用DenseNet160网络以及27种算法对未来一天的风力发电情况进行预测。结果表明：DenseNet160网络的平均绝对误差、均方误差以及平均绝对百分误差比其他算法分别降低了至少 10.89%，4.98%，8.68%；同时，与使用相同数据集的混合经济模型相比，DenseNet160网络的MAE值小了25.56%。说明该模型能精准地拟合风力发电数据，获得可靠的风力预测结果。