基于贝叶斯LSTM与时空分析的聚合风电发电不确定性集预测
系统与控制
2021-10-08 v1 机器学习
系统与控制
摘要
地理分布风电的聚合随机特性将为电力市场中安全且经济的系统运行提供有价值的信息。本文关注地理分布风电场聚合发电的不确定性集预测。提出一种时空模型，用于从相邻风电场近地面风场的局部观测中学习动态特征。我们使用贝叶斯LSTM（一种概率预测模型）获取各风电场发电的不确定性集。随后，给出不同风电场间的空间相关性以修正输出结果。基于中国西北6个风电场实际数据的数值测试结果表明，分布式风电场聚合风电发电的不确定性集比单一风电场的不确定性集波动更小。
引用
@article{arxiv.2110.03358,
title = {Uncertainty Set Prediction of Aggregated Wind Power Generation based on Bayesian LSTM and Spatio-Temporal Analysis},
author = {Xiaopeng Li and Jiang Wu and Zhanbo Xu and Kun Liu and Jun Yu and Xiaohong Guan},
journal= {arXiv preprint arXiv:2110.03358},
year = {2021}
}