基于物理信息的时间卷积神经网络风电功率预测

来源：计算机测量与控制杂志2024年第11期北京时间：

作者：张维通,闫正兵,张正江,黄世沛,戴瑜兴

单位：温州大学电气数字化设计技术国家地方联合工程研究中心

摘要：由于风力的不确定性和随机性，风电功率预测对电力系统的稳定运行至关重要；为提高风电功率模型的预测精度；对风力发电机的数学模型进行研究后，将物理建模和数据驱动建模相结合，提出一种基于物理信息的时间卷积神经网络模型用于风力发电机的功率预测；采用将风力发电机的转子运动方程嵌入时间卷积神经网络的损失函数，从而提高模型的预测能力，泛化性和物理可解释性；并在Simulink仿真软件中搭建风力发电机物理模型以获取实验数据样本，经同工况实验和外推实验表明，基于物理信息的时间卷积神经网络模型相较于原时间卷积神经网络模型的同工况实验均方根误差下降50.8%,外推实验的均方根误差下降55.2%，显著提高了风力功率预测的准确性。

关键词：风力发电机;功率预测;物理信息;时间卷积神经网络;数据驱动建模

基金资助：温州市科研项目(ZF2022003);工业控制技术国家重点实验室开放课题(ICT2022B65)；温州市高水平创新团队项目(温委人(2020〕3 号):电气数字化设计技术国家地方联合工程