基于EEMD-GRU-MC的短期风功率组合预测方法

作者：吴慧军; 郭超雨; 苏承国^*; 王沛霖

来源：南方电网技术, 2023, 17(02): 66-73.

DOI：10.13648/j.cnki.issn1674-0629.2023.02.008

• 集合经验模态分解
• 门控循环单元
• 马尔科夫链修正
• 短期风功率预测

针对风功率间歇性强、随机波动性大而导致的模型预测精度不高的问题，将数据分解技术、基于人工智能的预测模型和误差修正技术结合起来，提出一种集成集合经验模态分解（ensemble empirical mode decomposition, EEMD）、门控循环单元（gated recurrent unit, GRU）和马尔科夫链（Markov chain, MC）的短期风功率组合预测方法（EEMD-GRU-MC）。首先，利用EEMD算法将历史风功率序列分解为一组相对平稳的子序列，以减少随机波动分量和无序噪声对预测模型的影响；然后，使用GRU模型分别对各子序列进行预测，并将各子序列的预测值叠加得到初步的预测结果；最后，为了进一步提高预测精度，利用MC预测残差的未来状态，对EEMD-GRU模型的预测结果进行修正。以云南省某风电场的短期功率预测为例对本文方法进行了验证，大量算例结果表明，相比于ARIMA、LSTM、GRU、EEMD-LSTM和EEMD-GRU模型，所提出的组合预测方法具有更强的预测精度和泛化能力，在不同季节的平均绝对预测误差均小于2%，表现出良好的短期风电功率预测前景。

• 出版日期2023
• 单位土木工程学院; 中国南方电网电力调度控制中心; 郑州大学