基于Stacking 多GRU 模型的风电场短期功率预测 |
| |
作者姓名: | 高金兰 李豪 段玉波 王宏建 |
| |
作者单位: | 东北石油大学电气信息工程学院,黑龙江大庆163318 |
| |
基金项目: | 黑龙江省自然科学基金联合引导基金资助项目( JJ2019LH0187) |
| |
摘 要: | 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。
|
关 键 词: | GRU 神经网络 深度学习 Stacking 集成算法 风功率预测 风电场 |
收稿时间: | 2020-01-10 |
|
| 点击此处可从《吉林大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《吉林大学学报(信息科学版)》下载全文 |