基于D-S证据理论的风力发电功率多模型集成预测  

Multi Model Integrated Prediction of Wind Power Generation Based on D-S Evidence Theory

作　　者：白语轩 Bai Yuxuan

机构地区：[1]宁夏大学

出　　处：《电力设备管理》2025年第3期151-153,共3页Electric Power Equipment Management

摘　　要：准确预测发电功率对于电网管理和能源分配至关重要。针对风力发电中传统的预测方法依赖于单一模型,且难以充分捕捉和利用复杂环境下的不确定性信息的问题,本文提出了一种基于Dempster-Shafer(D-S)证据理论的多模型集成预测方法(DS-MM),分别利用训练数据训练BiLSTM、TCN、CNN-LSTM和Transformer等先进的时间序列预测模型。通过D-S证据理论对将各个子模型提取到的特征进行多源信息融合,将融合的特征输入前馈神经网络(FFN)获得最终集成预测结果。在多模型集成时,冻结各个子网络的特征提取部分,仅对预测模块的FFN进行更新。在风力发电数据集上的试验结果表明,在参与试验的8个时间序列算法中,DS-MM取得了最低的预测误差,相较于单模型预测方法,其平均绝对误差(MAE)和均方误差(MSE)分别降低了1.76和4.14以上,证明了所提出方法的先进性和有效性。

关 键 词：多模型集成 集成学习 D-S证据理论 风力发电 功率预测 

分 类 号：R71[医药卫生—妇产科学]