基于Informer的风电场超短期功率预测

• 全文链接
• 请求原文

作   者：

李超峰;  原升耀;  王灵梅;  王贺贤;  贾成真;  刘玉山;  常馨元; 

作者机构：

山西粤电能源有限责任公司;  山西大学自动化与软件学院;  太原重工技术中心; 

关键词：

Informer;  超短期风功率预测;  多头稀疏概率自注意力机制;  预测误差修正; 

期刊名称：

山西大学学报(自然科学版)

i s s n：

0253-2395

年卷期：

2024 年 47 卷 006 期

页   码：

1201-1210

摘   要：

为提高预测精度，解决超短期风电场功率预测中风能持续性和稳定性差、风机出力中多种因素对风电厂超短期功率预测影响程度不同以及原始Transformer神经网络架构注意力机制受限、缺乏全局信息等问题，提出了一种基于Informer网络架构与马尔可夫链修正相结合的风电功率预测模型。该模型使用随机森林、拉格朗日插补法等算法对数据进行预处理；使用Informer神经网络架构对风电场功率做出预测，并用马尔可夫链对超短期风功率预测结果进行误差修正，以提高模型预测准确率。现场实验结果表明，该模型提高了风电场功率的预测时间步长及预测精度，月平均准确率最高可达97%，年平均准确率可达95%。