本期精选
2024年第9期
王永生，李海龙，关世杰，温彩凤，许志伟，高静
DOI: 10.13336/j.1003-6520.hve.20231942
根据《2023年全球风电报告》，截至2022年底，全球风电装机容量达到906 GW，与2021年相比增长了9%。风电比例的快速增长不仅推动了能源的清洁与低碳发展，同时也有力地保障了国家能源安全。然而，风力发电具有间歇性、高度可变性以及强烈的随机性等特点，这些特性对风力发电并网造成了重大挑战和不利影响。因此，准确预测风电功率成为解决风电并网问题的关键策略之一。
1）基于变换域分析和XGBoost算法组合模型的建立
为了实现准确可靠的风电功率预测，本研究提出了一种基于变换域分析和XGBoost算法的超短期风电功率预测方法(XGBoost transformer domain analysis, XGBoost-TDA)。图1清晰地展示了XGBoost-TDA模型的框架，模型主要包含2个关键模块：一个是基于风电功率指标和变换域分析的多级特征学习模块；另一个是基于XGBoost算法进行预测模块。
图1 基于变换域分析和XGBoost算法组合的超短期风电功率预测模型
构建XGBoost-TDA模型实现风电功率预测有5个步骤，每个步骤的主要工作如下：
1）获取风电数据，检查原始数据集的完整性，处理异常值和缺失值。
2）构建时间窗口，为特征工程计算做准备。
3）计算风电功率指标、FFT和哈尔小波变换，并合成具有可用协变量的新数据。
4）基于划分的训练集实现模型的训练，并使用测试集来验证模型的预测性能。
5）向风电场报告预测结果，以协助调整发电方案和居民用电计划。
2）模型预测结果评估
为展示本研究所提出模型的预测效果，以数据集1内蒙古碧柳河风电场数据集和数据集2德国电力公司Tennet风力发电功率数据集为例，对风电功率的各项预测结果，包含真实功率值、所提模型预测值和6组对比模型预测值，进行完整的展示，如图2所示。其中，实线表示实际值，虚线表示XGBoost-TDA模型的预测值，其他不同形式线条表示对比模型的预测值。
图2 XGBoost-TDA与其他模型在不同数据集上预测结果的比较
从图2可以明显看出，本研究所提出的XGBoost-TDA模型相较于其他模型在预测值和实际值之间表现出高度一致性，呈现出更优越的性能。具体而言，XGBoost-TDA模型在处理数据集2时展现了最佳的一致性，其预测值与真实值极为接近，形成了良好的拟合曲线。虽然在数据集1中，预测值与实际值存在一些差异，但相较于其他模型，仍然取得了最佳的相符度。这说明通过采用变换域分析方法和XGBoost算法，本研究提出模型的预测结果更加接近真实值。
1）结合快速傅里叶变换和哈尔小波变换的变换域多级特征学习框架，每个模型组件都旨在最大限度地发挥其优势，可从复杂的风电相关时间序列中更好地提取数据间潜在信息，挖掘数据之间的内在关联，从而显著提高模型的准确性和泛化能力。
2）应用XGBoost模型，可减少模型训练时间，提高应用于实际生产环境的时效性，从而进一步提高所提出模型的预测效率，进而实现更快速精准的风电功率预测。所提模型仅需0.941 s即可完成训练，轻量级的预测算法为模型部署至风电场边缘计算设备进行预测带来了可能。
3）通过将多层次变换域特征工程与机器学习模型结合，实现与深度学习相媲美甚至超越深度学习的预测结果。以ENMAE为例，所提模型与基准模型相比降低约2.18%。
4）应用多个风电场的真实数据集来评估所提出模型的有效性和适用性，验证了模型的鲁棒性。
本文所提方法有效解决了无意义的特提取方式，充分考虑了频域信息在特征学习中的重要性，并且实现了快速准确的超短期风电功率预测。有助于电力部门调整发电计划，制定调度方案，并为其他时间序列预测场景(如风速、光伏发电和降水)提供有效参考。
为了进一步提高模型的预测性能，使其在风电场中得到实际应用，后续研究计划探讨更多可用于特征提取的方法。例如，可以在模型中引入图形卷积神经网络，以探索潜在数据的时空关系。此外，还可以添加用于动态调整的启发式算法，专注于设置模型的最佳参数，以进一步提高预测模型的性能。
引文信息：
王永生,李海龙,关世杰 等. 基于变换域分析和XGBoost算法的超短期风电功率预测模型[J]. 高电压技术, 2024, 50(9): 3860-3870.
王永生，博士、教授、高级工程师，主要研究方向聚焦在能源特别是新能源安全领域，运用数据分析与挖掘技术、机器学习与深度学习等人工智能技术进行能源时序数据分析与挖掘，研究成果已广泛应用于风光电场生产调度、IT及能源系统运维等领域。主持省部级以上科研项目10余项，指导硕士研究生10余人，以通讯作者及第一作者在SCI/EI/北大中文核心收录的专业学术期刊和CCF列表学术会议上发表相关论文12篇，授权（申请）专利10项。
李海龙，男，硕士生，主要从事能源安全、大数据处理和风电功率预测等方面的研究工作。
关世杰，男，博士生，主要从事新能源发电功率预测、综合能源系统建模与能流优化等方面的研究工作。以第一作者在国内外知名期刊上发表学术论文5篇，累计引用次数41。
责编：何秋萍
- 【 END 】 -
传播知识 · 分享成果 · 交流经验
声明：本文为原创作品，所涉文字及图片版权均属《高电压技术》编辑部所有，根据国家版权局最新规定，纸媒、网站、微信公众号转载、摘编我编辑部的作品，务必请提前联系我编辑部。个人请按本微信原文转发、分享
http://hve.epri.sgcc.com.cn/
《高电压技术》《High Voltage》视频号
联系我们
