吉林大学学报(信息科学版) ›› 2020, Vol. 38 ›› Issue (4): 482-490.
高金兰,李豪,段玉波,王宏建
GAO Jinlan,LI Hao,DUAN Yubo,WANG Hongjian
摘要: 为提高风电场短期功率预测的准确度,在深度学习的基础上提出利用Stacking 算法集成融合多个GRU
( Gated Recurrent Unit) 模型的风电场短期功率预测的方法。该方法首先搭建3 个多层GRU 神经网络模型建立
第1 级模型,深度提取高维的时序特征关系,通过第1 级模型的预测结果构建训练集,然后利用新生成的训练
集训练第2 级GRU 模型,第2 级的GRU 模型采用单层结构,能发现并且纠正第1 级模型中的预测误差,提升
整体的预测结果。最终得到两级模型嵌入的Stacking 融合模型。以宁夏太阳山风电场历史数据为例对该模型
的准确性进行验证。实验结果表明,通过Stacking 算法融合的GRU 模型相比其他算法预测平均绝对百分比误
差提高了0. 63,总体预测效果较为理想,预测准确度提升明显。
中图分类号: