基于图神经网络与强化学习的集成模型在风电预测中的应用
机器学习
2025-01-29 v1 人工智能
摘要
利用风电预测(Wind Power Forecasting, WPF)在不同时间尺度上准确预测风电场的风电输出是风电交易与利用中的关键问题。由于风速、温度、纬度和经度等众多影响变量，WPF问题仍未得到解决。此外，实现高预测精度对于维持电网稳定和确保供电安全至关重要。在本文中，我们将风电场内的所有风力涡轮机建模为由其地理位置构建的图中的图节点。因此，我们提出了一种基于图神经网络和强化学习的集成模型(EMGRL)用于WPF。我们的方法包括：(1)应用图神经网络捕获与目标风电场相关的邻近风电场的时间序列数据；(2)建立通用的状态嵌入，将目标风电场的数据与基础模型在目标风电场上的历史性能相结合；(3)通过actor-critic强化学习框架集成并利用所有基础模型的优势进行WPF。
关键词
引用
@article{arxiv.2501.16591,
title = {Applying Ensemble Models based on Graph Neural Network and Reinforcement Learning for Wind Power Forecasting},
author = {Hongjin Song and Qianrun Chen and Tianqi Jiang and Yongfeng Li and Xusheng Li and Wenjun Xi and Songtao Huang},
journal= {arXiv preprint arXiv:2501.16591},
year = {2025}
}