文章详情

摘要

受风能随机性和波动性影响，大规模的风电并网给电网的稳定运行带来了巨大挑战；准确的风电功率预测是制定发电计划、促进风电消纳的重要依据。针对传统单一模型未充分考虑样本间差异性，致使预测结果偏差较大、模型性能受限的问题，文章提出了一种基于高斯过程回归的集成即时学习风电功率预测方法。该方法首先通过不同相似度函数选择符合当前风电过程状态的建模样本，然后结合高斯过程回归建模技术构建多样性的局部模型，最后使用stacking策略集成并得到最终预测输出。在云南省某风电场的真实数据上的实验结果表明，所提方法有效提升了预测精度与稳定性，其均方根误差和决定系数分别降低和提升至15.228和0.478。

关键词

风电功率预测；高斯过程回归；集成学习；即时学习

参考文献

1. [1] 丁怡婷.全国累计发电装机容量同比增长17.5% [N].人民日报，2025-10-27（1）.
2. [2] 卢雪平，董存，王铮，等.低温寒潮天气下的风电短期功率预测技术研究 [J].电网技术，2024，48（12）：4833-4843.
3. [3] 李特，黄孜滢.机器学习在风力发电功率预测中应用综述 [J].山东电力技术，2025，52（8）：45-55.
4. [4] 杨明，李梦林，王勃，等.面向新型电力系统的数值天气预报技术及应用综述 [J].电力系统自动化，2025，49（17）：1-20.
5. [5] 王磊，滕伟，武鑫，等.风功率预测关键技术及其研究应用综述 [J].动力工程学报，2026，46（2）：98-112.
6. [6] 徐炜君，裴欢，魏勇.基于粒子群优化的SVR风电功率超短期预测 [J].东北师大学报（自然科学版），2017，49（1）：73-77.
7. [7] Mustaffa Z，Sulaiman M H. Random Forest Based Wind Power Prediction Method for Sustainable Energy System [J/OL].Cleaner Energy Systems，2025，12：100210.https://doi.org/10.1016/j.cles.2025.100210
8. [8] 杨强，颜宗辉，杜秀举，等.基于ANN架构的新能源发电预测模型的研究 [J].电气应用，2024，43（2）：76-82.
9. [9] 吴琛，崔秋实，谢一工，等.基于特征优选与相似样本融合的LSTM-AM短期风电功率预测 [J].南方电网技术，2025，19（6）：162-172.
10. [10] 李运龙，金怀平，范守元，等.在线选择性集成即时学习风电功率自适应预测 [J].太阳能学报，2024，45（10）：487-496.
11. [11] 金怀平，李建刚，钱斌，等.基于多模态扰动的集成即时学习软测量建模 [J].信息与控制，2020，49（3）：257-266.

基金项目

云南省教育厅科学研究基金（2024J1689）

作者简介

李建刚（1994—），男，汉族，云南曲靖人，助教，硕士研究生，研究方向：工业数据解析与预测建模、风电功率预测。