风力发电保障能力日内预测技术OA

随着风电、光伏等新能源逐步成为主导电源,电力系统“保供电”挑战日益突出。针对目前新能源确定性预测仍存在小概率极端正偏差、进一步加大电力保供难度的问题,提出了一种正偏差惩罚与保供电量占比最大化博弈的风力发电日内保障能力预测方法,预测时间尺度24 h,每小时滚动更新。首先,创建了兼顾预测正偏差最小与预测出力水平最大的模型目标寻优损失计算函数;然后,基于卷积神经网络-长短期记忆网络(convolutional neural network-long short-term memory network,CNN-LSTM),构建了风力发电日内保障能力预测模型;最后,基于多策略融合灰狼算法的保障能力预测模型参数协同优化方法对非对称惩罚损失函数超参数进行寻优,形成了完整的可实施技术方案。为对比所提方法有效性,构建了多维度评估指标体系,采用我国华东地区多个风电场的实际运行数据对所提出方法进行验证。结果表明,所提方法相较于对比模型保障电量占比指标提升15%~25%,误差指标降低20%以上,验证了所提方法的有效性和先进性。