神经网络在超短期风功率预测上的应用

高 鹭，赵连甲，孔繁苗

（内蒙古科技大学 信息工程学院，内蒙古 包头014000）

近几年，风电预测技术取得了长足的发展，无论是预测精度还是预测时间都得到了很大的提高，能够精准地预测到风功率的具体数值，对于电力部门的调度和规划都能起到很好的指导作用，减少不必要的资源浪费[1-3]，避免大量的弃风现象。其中风电预测根据时间尺度来分，常见的是长期预测，短期预测和超短期预测。长期预测能够有利于调度，短期和超短期预测能够用来控制。近两年的论文中对于短期预测研究的比较多，长期和超短期预测研究的论文相对来说要少一些。为了增加对超短期风功率预测的研究，文章用内蒙古的实际数据作为数据集，因为人工智能技术的高速发展和计算能力的大幅提高，神经网络方法在预测精度和预测时间上都能够有很好的表现，所以决定采用神经网络的建模方法进行超短期功率预测。

循环神经网络（recurrent neural network，RNN）[4]对于时间前后相关性强的数据有很强的处理能力，LSTM和GRU都能够很好地预测风功率数据，朱乔木[5]等人提出了一种基于LSTM网络的超短期发电功率预测方法。该方法第一次尝试使用距离分析法挑选出特征里面对风电功率影响程度最大的，从而能够减少输入神经网络的特征数量，进而减少数据输入的数量。牛哲文[6]等人使用CNN结合GRU神经网络进行数据降维和特征提取操作，因为风功率数据波动性和不确定性太强，所以尝试解决这个问题。……