基于Stacking 多GＲU 模型的风电场短期功率预测

为提高风电场短期功率预测的准确度，在深度学习的基础上提出利用Stacking 算法集成融合多个GＲU( Gated Ｒecurrent Unit) 模型的风电场短期功率预测的方法。该方法首先搭建3 个多层GＲU 神经网络模型建立第1 级模型，深度提取高维的时序特征关系，通过第1 级模型的预测结果构建训练集，然后利用新生成的训练集训练第2 级GＲU 模型，第2 级的GＲU 模型采用单层结构，能发现并且纠正第1 级模型中的预测误差，提升整体的预测结果。最终得到两级模型嵌入的Stacking 融合模型。以宁夏太阳山风电场历史数据为例对该模型的准确性进行验证。实验结果表明，通过Stacking 算法融合的GＲU 模型相比其他算法预测平均绝对百分比误差提高了0． 63，总体预测效果较为理想，预测准确度提升明显。