基于多时间尺度与时间注意力机制的新型风电功率自动预测框架
机器学习
2023-09-06 v5 人工智能
摘要
风能是一种分布广泛、可再生且环保的能源，在缓解全球变暖和应对能源短缺方面发挥着关键作用。然而，风力发电具有波动性、间歇性和随机性，这阻碍了它作为电网可靠电源的能力。准确的风电预测对于发展严重依赖可再生能源的新型电力系统至关重要。然而，传统的风电预测系统主要关注超短期或短期预测，限制了其同时满足电力系统多样化调节需求的能力。为克服这些挑战，我们提出了一种能够在多时间尺度上预测风电功率的自动框架。该框架基于树状 Parzen 估计器（TPE）与时间融合 Transformer（TFT），可提供超短期、短期和中期的风电功率预测。我们的方法采用 TFT 进行风电功率预测，并根据特征属性对其分类。此外，我们引入了一种通用算法来同时微调分解方法与模型的超参数。我们通过使用三种常用分解算法和六种最先进（SOTA）的多时间尺度预测模型进行消融实验来评估框架性能。实验结果表明，我们提出的方法在公共数据集 Engie https://opendata-renewables.engie.com 上显著提高了预测精度。与第二优的 SOTA 模型相比，我们的方法在 24 小时预测上的归一化平均绝对误差（nMAE）分别降低了 31.75% 和 28.74%，在 48 小时预测上的 nMAE 分别降低了 20.79% 和 16.93%。
引用
@article{arxiv.2302.01222,
title = {A novel automatic wind power prediction framework based on multi-time scale and temporal attention mechanisms},
author = {Meiyu Jiang and Jun Shen and Xuetao Jiang and Lihui Luo and Rui Zhou and Qingguo Zhou},
journal= {arXiv preprint arXiv:2302.01222},
year = {2023}
}