基于改進(jìn)STGCN與N?BEATS的風(fēng)功率超短期預(yù)測(cè)

打開文本圖片集

摘  要： 精準(zhǔn)的風(fēng)功率預(yù)測(cè)對(duì)電網(wǎng)調(diào)度具有重大意義，針對(duì)現(xiàn)有預(yù)測(cè)方法中數(shù)據(jù)特征提取不充分、輸入序列過長(zhǎng)時(shí)產(chǎn)生梯度消失和預(yù)測(cè)精度低的問題，提出一種基于改進(jìn)時(shí)空?qǐng)D卷積（STGCN）與神經(jīng)基擴(kuò)展分析（N?BEATS）模型的組合預(yù)測(cè)模型，該方法通過充分提取數(shù)據(jù)時(shí)空特征來提高預(yù)測(cè)精度。首先，利用STGCN對(duì)多元輸入序列進(jìn)行深度特征提取，充分挖掘風(fēng)機(jī)SCADA數(shù)據(jù)中的時(shí)空潛在關(guān)系；同時(shí)，為了進(jìn)一步提高預(yù)測(cè)精度，通過構(gòu)建序列分解模塊與多分辨率卷積對(duì)STGCN模型進(jìn)行改進(jìn)，使其能夠更好地適應(yīng)風(fēng)電數(shù)據(jù)的復(fù)雜特性；然后，神經(jīng)基擴(kuò)展分析（N?BEATS）新型神經(jīng)網(wǎng)絡(luò)對(duì)STGCN提取的時(shí)空信息數(shù)據(jù)進(jìn)行時(shí)序關(guān)系分析，得到最終預(yù)測(cè)結(jié)果；最后，以內(nèi)蒙古某風(fēng)場(chǎng)SCADA數(shù)據(jù)為例，通過多模型對(duì)比實(shí)驗(yàn)與自身消融實(shí)驗(yàn)驗(yàn)證了所提組合模型策略的有效性以及對(duì)STGCN的改進(jìn)效果。（剩余9881字）