基于自适应权重的CNN-LSTMGRU组合风电功率预测方法.pdfVIP

第 55 卷 第 5 期 中国电力 Vol. 55, No. 5 2022 年 5 月 ELECTRIC POWER May 2022   基于自适应权重的CNN-LSTMGRU 组合 风电功率预测方法 1 1,2 1 1 1 1 贾睿 ，杨国华 ，郑豪丰 ，张鸿皓 ，柳萱 ，郁航 (1. 宁夏大学 物理与电子电气工程学院，宁夏 银川　750021；2. 宁夏电力能源安全重点 实验室，宁夏 银川　750004)     摘　要： 准确预测风电功率可以提高电网运行的安全性和可靠性。为进一步提高短期风电功率预测精度， 针对目前单一模型难以获得最优预测结果的问题，提出一种CNN-LSTMGRU多模型组合短期风电功率预 测方法。首先，利用卷积神经网络（convolutional neural network，CNN）提取数据局部特征，并结合长短期 记忆（long short term memory，LSTM）网络构造出融合局部特征预提取模块的CNN-LSTM 网络结构；然后， 将其与门控循环单元（gated recurrent unit，GRU）网络并行，并通过自适应权重学习模块为CNN-LSTM模块 和GRU模块的输出选择最佳权重，构建出CNN-LSTMGRU组合的短期预测模型。最后，对中国西北某风 电场的出力进行预测研究，结果表明：所提模型与单一模型或其他组合模型相比，指标误差更小，预测精 度更高。 关键词：短期风电功率预测；CNN-LSTM；GRU；组合预测；自适应权重学习 DOI ：10.11930/j.issn.1004-9649.202104023       0 引言 prediction，NWP）为代表。统计方法主要通过历 史数据，构建出历史数据与风电功率的非线性对 随着全球化石能源的不断消耗，可再生能源 应关系，以此对风电功率进行预测，主要方法有 成为了各国的研究热点。由于风能的可再生、清 [5] [6]  [7] 时间序列法 、灰色预测法 、自回归移动平均法 。 洁、资源丰富等特点，在全世界范围内得到了广 [8]  [9]