| 摘要: |
| 风电超短期功率预测是电网运行态势感知的重要基础。针对风电随机波动性将给电网带来高动态扰动的问题，本文利用同步相量测量装置（PMU）的高频采样能力，提出一种融合一维卷积（1DCNN）和双重注意力卷积长短时记忆网络（DACLSTM）模型的风电超短期功率预测方法。首先，基于具有高精度高密集采样的PMU装置对风电超短期功率进行实时量测。然后，利用1DCNN在特征提取和时间卷积减少计算复杂度方面的优势，充分挖掘由PMU采样得到的风电功率及相关因素量测数据关键特征，进而结合DACLSTM模型自主分析风电功率数据与输入特征间的关联关系，实现基于1DCNN-DACLSTM组合模型的风电超短期功率高动态变化趋势预测。最后以已配置PMU的某实际风电场为例，验证本文所提方法的可行性和有效性。 |
| 关键词: 风电功率 同步相量测量装置 相关因素 １ＤＣＮＮ￣ＤＡＣＬＳＴＭ 模型 随机波动性 |
| DOI：10.3969/j.issn.1005-9490.2024.01.033 |
|
| 基金项目:国网上海市电力公司科技项目（52094019006X） |
|
|
|
| () |
| Abstract: |
|
| Key words: |
