基于LSTM-XGboost组合的超短期风电功率预测方法

摘要：

受数值天气预报信息影响,风电功率变化具有较强的随机波动性,传统单一预测模型精度较低,难以满足现实预测需求.为此,提出基于LSTM-XGboost组合的超短期风电功率预测方法.首先,基于风电场的气象数据,采用皮尔逊相关系数法筛选与风电功率强相关的气象数据,建立风电功率预测模型数据集;然后,将归一化处理的数据集作为LSTM(long short-term memory)和XGboost(extreme gradient boosting)的模型输入,分别构建LSTM和XGboost的超短期风电预测模型,在此基础上,采用误差倒数法对LSTM和XGboost的预测数据进行加权构建组合预测模型;最后,以张家口某示范工程风电场实际运行数据验证组合模型的有效性.结果表明,相较于其他4种单一预测模型,组合模型具有更高的预测精度.

关键词：LSTM模型、XGboost模型、组合模型、风电功率预测、数值天气预报信息

所属期刊栏目：22

分类号：TM614(发电、发电厂)

资助基金：中央高校基本科研业务费专项;国家电网公司科技项目

在线出版日期：2022-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：5629-5635