-
题名计及多误差场景集划分的超短期NWP风速修正方法
被引量：4
- 1
-
-
作者
王勃
刘晓琳
-
机构
新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司)
电力气象国家电网有限公司联合实验室
-
出处
《南方电网技术》
CSCD
北大核心
2023年第2期118-127,136,共11页
-
基金
国家电网有限公司总部科技项目"面向转折性天气的风电功率预测预警技术研究"(4000-202155063A-0-0-00)。
-
文摘
超短期风电功率预测对于机组运行控制和能源调度有着指导性的作用。为了削弱数值天气预报(numerical weather prediction,NWP)风速对超短期预测精度的影响,提出了一种计及多误差场景集划分的超短期NWP风速修正方法。采用双向长短期记忆网络(bidirectional long-short term memory,BILSTM)对NWP风速未来4 h的预报误差进行预测,对风速误差预测值进行误差场景集划分,根据误差场景集训练不同的BILSTM网络进行误差匹配和风速预报误差预测对风速进行修正,再根据修正结果采用多模型进行风电功率超短期预测。将所提方法应用于中国内蒙古某风电场进行算例验证。结果表明,该方法有效降低了NWP风速预报误差,在原有数据基础上,相较于未修正NWP的风速,RMSE值降低了1.859,MAE值降低了1.464,MAPE值降低了26.01%。其中,BP神经网络超短期功率预测精度提高了7.5%,GRU深度网络提高了8.7%,多元线性回归模型提高了9.6%,证明了该方法的有效性。
-
关键词
数值天气预报
误差场景集划分
BILSTM网络
超短期修正
-
Keywords
numerical weather prediction
error scene set division
BILSTM network
ultra-short-term correction
-
分类号
TM614
[电气工程—电力系统及自动化]
-
