基于小样本学习和生成式对抗网络模型的短期风电功率预测

摘要：

针对目前国内风电场功率预测过程中预测模型训练缺少大量历史数据导致预测性能不佳的问题,提出了一种基于小样本学习(FSL)和生成对抗网络(GAN)模型方法,扩充样本数据集的同时提高风电预测模型的性能.同时针对传统生成对抗网络模型无法处理回归问题的情况,提出了改进-生产对抗网络(GR-GAN)的模型,使其可以在有限的样本条件下实现风电功率预测回归.通过使用新疆和内蒙地区风电场的历史发电量数据集进行验证,结果表明与原始生成对抗网络(Original-RGAN)、支持向量回归(SVR)、长短期记忆(LSTM)3种基线方法相比,GR-GAN模型预测效果较好,并且在较少输入样本时表现出较小的预测误差.

关键词：风电功率;预测;特征融合;小样本学习;生成对抗网络

所属期刊栏目：48

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：云南电网公司科技项目YNKJXM00000338

在线出版日期：2022-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：108-112