不同机器学习方法在风电场的订正效果分析  

作　　者：王瑶 罗源 谢睿恒 廖春花 彭玮莹 罗潇 

机构地区：[1]湖南省气象服务中心,湖南长沙410118 [2]湖南省气象台,湖南长沙410118 [3]气象防灾减灾湖南省重点实验室,湖南长沙410118

出　　处：《能源与环境》2025年第1期6-10,共5页Energy and Environment

基　　金：湖南省气象局创新发展专项(重点专项)(CXFZ2024-ZDZX07);湖南省气象局创新发展专项(重点专项)(CXFZ2023-ZDZX06);湖南省气象局创新发展专项(青年专项)(CXFZ2023-QNZX20)。

摘　　要：利用支持向量机(SVM)、反向传播神经网络(BP神经网络)和随机森林(RF)3种机器学习方法,对欧洲中心数值模式(ECMWF)的风速预报数据进行订正,与2020—2021年华能湘乡梅桥风电场的实测风速数据进行对比,评估机器学习模型的订正效果,并采用平均绝对误差和相关系数等统计指标、日准确率和日合格率的风电预报指标进行评估。结果表明,数值模式在风速预报方面存在较大误差,特别是在春季和夏季。经过机器学习方法订正后,风速预报的准确性显著提高。其中,随机森林方法的订正效果最佳,不同季节内平均绝对误差显著降低,相关系数大幅提升,风速预报的日准确率和日合格率显著提高,达95%以上。同时,机器学习方法可以减弱误差项随时刻变化的趋势,使夜间至凌晨时段的误差减小,风速日变化与实况吻合。

关 键 词：风速预测 机器学习算法 随机森林 BP神经网络 支持向量机 

分 类 号：TM61[电气工程—电力系统及自动化] TP181[自动化与计算机技术—控制理论与控制工程]