基于图卷积网络和风速差分拟合的中长期风功率预测｜《中国电力》
为充分利用数据特征间的先验关系，提高风电场中长期发电功率预测精度，提出一种基于图卷积神经网络（GCN）、风速差分拟合（DF）、粒子群优化算法（PSO）的中长期风功率预测模型。通过分析风力发电全过程，挖掘风功率影响因素及因素间的相互关联性，搭建GCN模型，分别拟合风速和功率利用效率，进一步结合基于DF的风速-功率计算模型计算风功率，模型的损失包含功率损失、风速损失和功率利用效率损失3个部分，采用粒子群优化算法为这3部分损失确定合适的权重。2个风电场的实际算例表明，该模型未来10天风功率预测的相对均方根误差分别为11.44%和13.09%，具有较高的预测精度。
- 2025-09-09
- 阅读663
- 下载0
- 23页
- pdf
