摘要：为应对风速的不确定性、波动性和非平稳性给风电场功率预测带来的挑战，将尾流效应、风能转换等物理机理与神经网络技术相结合，提出一种考虑风速动态时空特性和风速-功率转换机理的超短期风电功率预测方法。首先，将历史回望时窗内各台风机轮毂处的风速、桨距角等信息构成输入特征图，通过深度残差收缩网络去噪并提取风机风速的空间分布特征，以反映风向等气象条件下尾流效应对风电场内风速空间分布的影响；然后，通过双向长短期记忆网络连接滑动时窗内的风速空间特征和气象预测信息，反映风速随时间双向演化的动态时序规律，实现对未来时段风机轮毂处风速的预测；最后，将风机预测风速输入基于风速-功率转换机理构建的嵌入式神经网络，获得单台风机以及整个风电场的预测功率输出。实际算例结果表明，该方法提高了超短期风电功率预测模型的稳定性和准确性。
文章目录
0 引言
1 考虑动态时空特性和风速-功率转换机理的风电场功率预测模型
1.1 总体框架
1.2 基于DBiLSTM模型的风机风速预测
1.2.1 基于DRSN-CW网络提取风速空间特征
1.2.2 基于BiLSTM-S2S网络提取风速时序特征
1.3 基于风速-功率转换机理预测风电场功率
1.3.1 风电功率特性曲线
1.3.2 风速-功率转换关系的嵌入式模块
2 算例分析
2.1 算例描述
2.2 评价指标
2.3 风电场功率预测结果对比
2.4 模型稳定性和适应性对比分析
2.4.1 预测稳定性分析
2.4.2 模型适应性分析
2.5 风速、功率预测的关键影响因素分析
2.5.1 风电场尾流效应影响
2.5.2 风速预测误差的影响
2.5.3 风机风速预测的消融实验
3 结论
附录A
