黄树帮，陈耀，金宇清

碳中和背景下多通道特征组合超短期风电功率预测

黄树帮1,2，陈耀1,2，金宇清3*

（1．新疆金风科技股份有限公司，北京市 大兴区 100176；2．江苏金风软件技术有限公司，江苏省 无锡市 214000;3．河海大学能源与电气学院，江苏省 南京市 211100）

碳中和背景下，风电将成为我国的主导能源之一。随着人工智能技术快速发展，人工神经网络被广泛应用于风力发电功率预测。传统的人工神经网络算法采用固定形式数据集和单一网络结构，限制了整体表达能力，导致超短期风电功率预测由于各种不确定因素造成难以控制的误差。为此，提出一种基于人工神经网络的多通道特征组合模型，用于超短期风电功率预测。首先将数据集进行重新分类，分别输入到3个神经网络，建立3种特征组合形式；再将多通道特征进行拼接融合，并将融合后的特征加入到全连接神经网络中进行功率预测，可消除不同特征之间的干扰，有效学习到长期依赖的数据特征；最后对5个风电场数据进行算法验证。实验结果表明，该方法比单通道模型能够获得更好的预测精度，而且增加了网络稳定性。

碳中和；风力发电；超短期功率预测；人工神经网络；多通道

0 引言

为了达成2060年实现碳中和的目标，必须大力发展风电等清洁能源。风力发电已成为全球重要的能源生产来源，到2023年，全球新增风电装机容量将超过300GW[1]。我国新能源发电连续多年发展迅速，截至2019年年底，风电累计装机2.1亿kW，预计到2025年年底，风电装机规模将超过4亿kW，占全国电源总装机比例14%以上。……