基于时域和时频域双通道协同的超短期风电功率预测OA

准确的风电功率预测对提升电力系统稳定性具有重要意义.针对目前单通道混合模型特征提取能力不足,以及超参数依赖人工设定、易陷入局部最优的问题,本文提出一种基于时域和时频域双通道协同的超短期风电功率预测模型.首先,对原始数据进行清洗,并利用斯皮尔曼相关系数筛选气象因子;其次,在一维时域通道中,采用改进的自适应噪声完备集合经验模态分解方法,对功率序列进行分解,并结合一维卷积神经网络与Transformer编码器提取时域特征;在二维时频域通道中,利用连续小波变换构建时频图,并通过改进的VGG-16模型提取时频特征;然后,对双通道特征进行融合,并引入压缩-激励机制进行加权,同时采用河马算法对关键超参数进行优化;最后,使用中国西北某风电场数据进行模型验证.结果表明,评价指标R^(2)为0.9298,RMSE为14.9196 MW,MAE为9.3305 MW,相比其他模型预测精度显著提升.