考虑来流风速特征的风电机组超短期功率预测方法OA

针对风电超短期功率预测中风速表征失真与模型动态响应不足的问题,本文提出一种融合高精度来流风速特征与TimeMixer模型的预测方法。首先,考虑风电场地形特性、机组间布局与尾流干扰,构建空间修正风速场并计算机组轮毂高度处未受扰动的真实来流风速;其次,以来流风速为输入特征,改进TimeMixer模型,在其中引入趋势性-高频波动性双通道特征分离机制,通过多尺度特征融合策略,强化模型对机组功率演化中高频波动与低频趋势的协同捕捉能力;最后,将本文预测方法与机舱风速模型进行对比,并利用云南曲靖山地风电场实测数据开展模型验证。结果表明:本文以来流风速为输入的改进TimeMixer模型在均方根误差Ermse、平均绝对误差Emae、相关系数r和合格率QR 4项指标上较机舱风速模型分别提升18.75%、25%、7.69%、6.37%;相较传统时间卷积网络(temporal convolutional network,TCN)与长短期记忆网络(long short-term memory,LSTM),改进TimeMixer模型在趋势跟踪与波动响应捕捉方面表现更优,相关系数r分别提升2.46%与5.04%。本文方法有效提升了超短期功率预测精度,可为高比例新能源电力系统稳定运行提供一定技术支撑。