引入SMA-IQR和注意力机制的TCN-GRU模型超短期风电功率预测

摘要

随着风力发电机大规模接入电网，风速的间歇性、波动性等特点导致风电功率的输出极不稳定.针对超短期风电功率预测精度的问题提出了一种基于简单移动平均法数据去噪（simple moving average, SMA）和四分位法（interquartile range, IQR）清洗检测异常数据的时间卷积网络（temporal convolutional network,TCN）、门控循环单元（gated recurrent unit, GRU）和注意力机制（attention mechanism,AM）超短期风电功率预测模型.实验结果表明，模型的平均绝对值误差、平均绝对值百分比误差、决定系数比其他单一模型和组合模型具有更高的精确度，验证了该模型具备更高效的超短期风电功率预测能力.

关键词

时间卷积网络 / 门控循环单元 / 风电功率 / 注意力机制 / 四分位法 / 移动平均