基于改进GRU-CNN的风光水一体化超短期功率预测方法

摘要

风、光、水能源系统模型差异性大,相互存在多重不确定性,高精度的风、光、水功率预测是充分发挥风、光、水互补特性的重要前提。为此,基于门控循环单元(GRU)及卷积神经网络(CNN),提出了一种能够考虑异质能源时序特性及空间关联特性的一体化超短期功率预测方法。先分析了区域内不同场站不同数据的关联特性,再通过引入时序注意力机制,基于改进的GRU-CNN网络,建立了历史气象、功率数据与未来功率数据的映射关系,实现了多场站联合超短期预测。算例结果表明:所提预测方法能够实现区域风光水电站的一体化高精度超短期功率预测,效果优于单场预测及常规联合预测方法,且有着更高的建模效率。