基于天气过渡感知混合专家网络的日前概率风电功率预测方法

《Processes》：Weather-Transition-Aware Dynamic Mixture-of-Experts for Day-Ahead Probabilistic Wind Power Forecasting

　　

摘要

过渡天气条件下的风电功率预测对于电力系统的安全运行和调度至关重要。然而，现有方法对过渡天气引起的天气 - 功率映射的快速、非平稳变化的感知和适应能力有限，导致预测误差和不确定性显著增加。为解决此问题，本文提出了一种基于天气过渡感知混合专家网络的日前概率风电功率预测方法。首先，基于风速和温度的数值天气预报（NWP）序列，引入趋势和突变的渐进分析以及基于对称比最小化的转折点定位机制，以识别潜在的过渡期并生成天气过渡掩膜。随后，将二元过渡指示器与每个时间步的 NWP 特征拼接，并利用交叉注意力将气象预报与历史功率信息融合。最后，门控混合专家（MoE）网络根据每日过渡比例动态融合常规天气专家和过渡天气专家。随后使用分位数回归生成多个覆盖级别的预测区间。一个风电场的案例研究表明，该方法达到了 5.79% 的归一化平均绝对误差（NMAE），0.88 的决定系数（），并且相较于平均归一化区间宽度最低的基线方法，95% 预测区间的归一化平均宽度减少了 21.36%。