来源：期刊VIP网 时间：
作者：顾凌龙;何非;龙苏岩;岳紫玉;
单位：南京理工大学;中国电力科学研究院有限公司;
摘要：为准确、可靠地预测风力发电量，进一步保障电力系统安全稳定运行，文章针对仅使用历史发电数据或气象数据的预测模型存在的缺陷，提出了一种基于历史发电数据与气象数据的双阶段风力发电量预测模型。首先，利用历史发电数据并基于自回归移动平均模型（ARIMA）实现发电量的初步预测，并获取残差序列；然后，结合气象数据和残差序列，基于Bi LSTM模型对残差序列进行预测，同时，基于粒子群优化算法（PSO）实现ARIMA模型的定阶及Bi LSTM模型的超参数优化；最后，构建了包含训练、测试和优化在内的算法流程。实验结果表明，双阶段风力发电量预测模型的预测精度高于单一模型，R~2比其他模型提高了5.3%以上。
关键词：风力发电;;发电量预测;;ARIMA模型;;PSO算法;;BiLSTM算法
基金资助：国家电网公司科技项目（5108-202355437A-3-2-ZN）
