-
题名基于模型学习偏移修正的短期风电功率预测方法
- 1
-
-
作者
陈延旭
潘世纪
赵永宁
叶林
-
机构
中国农业大学信息与电气工程学院
-
出处
《电力系统自动化》
北大核心
2025年第16期96-108,共13页
-
基金
国家自然科学基金资助项目(52207144)
国家自然科学基金新型电力系统联合基金重点项目(U22B20117)
国家重点研发计划资助项目(2022YFB2403000)。
-
文摘
现有基于数据驱动的风电功率预测模型在建模过程中不可避免地存在学习偏移性问题,使得模型有偏向性地学习分布集中的部分数据样本,导致预测模型在实际应用中泛化能力较差。针对上述问题,提出一种基于模型学习偏移修正的短期风电功率预测方法。首先,通过挖掘差异化样本造成模型预测性能偏移的作用原理,对时序样本进行分类表征。之后,针对历史数据中难以预测的极端天气样本、异常样本和相似不平衡样本,分别采用场景生成、渐进式掩码检测和样本特征增强策略联合修正模型学习的偏移性。最后,利用Shapley值法对各类样本进行重要性评估,以验证该偏移修正策略的必要性与合理性。实际算例表明,所提方法可显著提升各类模型的短期风电功率预测精度,在多场景模式下均具备较好的泛化性。
-
关键词
风电功率预测
模型学习偏移
数据增强
样本特征
样本提取
多场景模式
-
Keywords
wind power forecasting
model learning offset
data enhancement
sample feature
sample extraction
multi-scenario mode
-
分类号
TM614
[电气工程—电力系统及自动化]
-
