文档摘要：针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法.首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现象;其次,构建了条件生成对抗网络修复不均衡问题;最后,采用迁移学习结合时间卷积网络构建了风电集群功率超短期预测模型.测试结果表明,所提方法能够显著提高风电集群功率超短期预测精度.
Abstract：Inresponsetotheissueofinsufficientabsorptioncapacityofpowersystemcausedbytheuncertaintiesinre-newableenergy,anultrashort-termpowerpredictionmethodforwindpowerclustersbasedonthefusionofconditionalgenerativeadversarialnetwork(CGAN)andtransferlearning(TL)isproposedinthispaper.First,theimbalanceofsamplemodesinwindpowerclusterpowerpredictionandtheresultingdeviationofneuralnetworkpredictionerrorsareanalyzed.Second,aCGANisconstructedtorepairtheimbalanceproblem.Finally,thecombinationofTLandtempo-ralconvolutionalnetworkisusedtoconstructanultrashort-termpowerpredictionmodelforwindpowerclusters.Thetestresultsshowthattheproposedmethodcanobviouslyimprovetheultrashort-termpowerpredictionaccuracyforwindpowerclusters.
作者：周军 王渴心 王岩 Author：ZHOUJun WANGKexin WANGYan
作者单位：东北电力大学电气工程学院,吉林132012国网吉林省电力有限公司吉林供电公司,吉林132012
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2024, 36(5)
分类号：TM74
关键词：风电预测 风电集群 条件生成对抗网络 迁移学习 时间卷积网络
Keywords：windpowerprediction windpowercluster conditionalgenerativeadversarialnetwork(CGAN) transferlearning(TL) temporalconvolutionalnetwork
机标分类号：TP391.41TM711U698.6
在线出版日期：2024年6月6日
基金项目：吉林省科技发展计划资助项目融合迁移学习与CGAN的风电集群功率超短期预测[
期刊论文] 电力系统及其自动化学报--2024, 36(5)周军 王渴心 王岩针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法.首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：风电预测,风电集群,条件生成对抗网络,迁移学习,时间卷积网络,
- 文件大小:
- 2.26 MB
- 下载次数:
- 60
-
高速下载
|
|
1
