基于GCN集群风场超短期风电功率预测

陈万康; 张红英; 刘振; 高雁辉; 颜义鹏

doi:10.16442/j.cnki.qlgydxxb.2025.05.007

齐鲁工业大学学报 ›› 2025, Vol. 39 ›› Issue (05) : 56 -60. DOI: 10.16442/j.cnki.qlgydxxb.2025.05.007

基于GCN集群风场超短期风电功率预测

陈万康, 张红英, 刘振, 高雁辉, 颜义鹏

作者信息 +

Author information +

文章历史 +

PDF

摘要

为提取和整合多种影响风电功率的因素，减少单一因素波动带来的预测误差，基于图卷积网络(Graph Convolution Networks, GCN)提出了一种历史风速和功率数据相结合的模型。该方法以风机为结点，通过构建风机间的图结构，对风场风速与功率两种因素特征提取，该模型可捕捉风速和风功率之间的复杂相互作用，以及风场内不同风机之间的协同效应，有效提取局部和全局特征，适应风电功率的非线性和时变特性。通过在实际风电场数据上的实验结果表明，与传统方法相比，基于GCN的模型在短期风电功率预测上具有更高的准确性和稳定性，为风电场的调度和运行提供了可靠的参考，使模型在面对不同的环境条件时表现得更为稳定。