论文部分内容阅读
随着风电场的大规模接入,提高风电场风速的预测精度对于促进可再生能源的消纳具有重大意义.传统的预测方法通常根据风电场单一高度的历史风速进行预测,当预测的时间尺度达到三四小时的时候,预测误差较大.不同高度的风速、风向数据蕴含了风电场内部的时空相关性,数值天气预报数据也体现了风电场周边的大气运动对风速发展规律的影响.文中在输入数据层面,同时引入了不同高度的风速、风向数据和数值天气预报数据.为了充分挖掘数据中的规律,提出了一种新的时空神经网络,采用深度卷积神经网络和双向门控循环单元,分别提取风速、风向等历史数据以及数值天气预报的时空特征,并利用融合后的特征进行风速预测.最后,利用中国东北某风电场的实际测量数据,验证了算法的有效性.