摘要
高精度的风电出力预测技术是实现碳中和的关键技术之一,随着智能电网的逐步建设,风电出力预测系统逐步从分散模式趋向于集中模式,其表现为一个系统集成多个风电场站的数据和模型。传统预测方法无法较好地处理这种大数据融合场景,也无法较好表征多个风电场站之间的关系,因此,提出了基于多源数据图表示学习的风电出力预测方法。通过基于Stacking集成学习框架思想和图理论对多个风电场站形成的特征数据构建图数据,其中,图数据的节点为历史风电出力数据、基础方法预测值数据以及气象、位置等多源数据,边为多个风电场站之间的相关性,从而实现对多个场站数据的融合表征。最后搭建残差图卷积神经网络对所构建的图数据进行学习训练,并通过公开数据集验证了所提算法具有更好的结果。
High-precision wind power output forecasting stands as a pivotal technology in achieving carbon neutrality.As the smart grid infrastructure steadily advances,the wind power output forecasting system is transitioning from a decentralized mode to a centralized one,characterized by the integration of data and models from various wind farm stations.Consequently,this paper introduces a wind power output forecasting method based on multi-source data graph representation learning.The graph data is established using a stacked integrated learning framework and graph theory.In this framework,the nodes represent historical wind power output data,predicted values from the base method,meteorological and location data,among others.The edges denote correlations among multiple wind farm stations,facilitating the fused representation of data from these diverse stations.Subsequently,residual graph convolutional neural networks are constructed to learn and train the generated graph data.The effectiveness of the proposed algorithm is substantiated through validation using publicly available datasets,indicating superior results.
作者
黄文琦
方必武
戴珍
侯佳萱
曹尚
梁凌宇
林全郴
余涛
HUANG Wenqi;FANG Biwu;DAI Zhen;HOU Jiaxuan;CAO Shang;LIANG Lingyu;LIN Quanchen;YU Tao(China Southern Power Grid Digital Group Co.,Ltd.,Guangzhou 510670,China;China Southern Power Grid Dispatching and Control Center,Guangzhou 510663,China;School of Electric Power Engineering,South China University of Technology,Guangzhou 510640,China)
出处
《电力建设》
CSCD
北大核心
2023年第11期43-53,共11页
Electric Power Construction
基金
国家自然科学基金项目(52207105)
南方电网科技项目(670000KK52210021)。
关键词
风电出力预测
Stacking集成
图表示学习
残差图卷积
wind power output forecast
Stacking integration
graphs represent learning
residuals plot convolution
作者简介
黄文琦(1988),女,博士,高级工程师,长期从事电力人工智能模型、算法及应用技术规划与研究工作,E-mail:huangwq@csg.cn;方必武(1991),男,硕士,主要从事大电网调度运行与管理工作,E-mail:bwfwhu@163.com;戴珍(1989),女,博士,高级工程师,长期从事电力人工智能、大电网态势感知等方面的研究工作,E-mail:daizhen@csg.com。侯佳萱(1995),女,硕士,主要从事电力系统人工智能算法、电力市场等方面的工作,E-mail:houjx@csg.cn;曹尚(1997),男,硕士,主要从事人工智能基础技术以及人工智能与电网业务深度融合应用相关工作,E-mail:caoshang@csg.cn;梁凌宇(1979),男,硕士,长期从事人工智能基础技术以及人工智能与电网业务深度融合应用相关工作,E-mail:liangly1@csg.cn;林全郴(1987),男,硕士,长期从事人工智能基础技术以及人工智能与电网业务深度融合应用相关工作,E-mail:linqc@csg.cn;余涛(1974),男,博士,教授,长期从事非线性和协调控制理论研究、电力系统规划及运行中的人工智能技术应用方面的工作,E-mail:taoyu1@scut.edu.cn。
