基于风功率预测的电网风电接纳能力评估方法

摘要

为了研究风功率预测的准确性对接纳区间确定的影响，进而提高电网调度的决策能力，结合长短期记忆(long short-term memory, LSTM)网络和注意力机制，提出了一种基于Attention-LSTM的风功率预测模型，并基于该预测模型进一步优化了电网风电接纳能力的评估方法。首先，利用风功率影响因素构建基于Attention-LSTM的风功率预测模型；其次，建立风电接纳能力评估模型；最后，使用Matlab进行仿真实验，对Attention-LSTM模型与传统模型的预测数据进行对比分析，并基于预测数据对电网风电接纳能力进行确定及评估。结果表明：Attention-LSTM模型预测数据的平均绝对误差为4.602 MW,在准确性上明显优于传统预测模型；风功率预测值与风电接纳区间预测值的相关性较高，提升风功率预测的准确性可以提高风电接纳区间上限的精确性。基于Attention-LSTM的风功率预测模型相较于传统预测模型精确度更高，在实际生产中能够保证电力系统稳定运行。

关键词

发电工程 / 风功率预测 / 风电接纳能力 / 注意力机制 / 弃风率