基于Stacking多GRU模型的风电场短期功率预测

为提高风电场短期功率预测的准确度,在深度学习的基础上提出利用Stacking算法集成融合多个GRU(Gated Recurrent Unit)模型的风电场短期功率预测的方法.该方法首先搭建3个多层GRU神经网络模型建立第1级模型,深度提取高维的时序特征关系,通过第1级模型的预测结果构建训练集,然后利用新生成的训练集训练第2级GRU模型,第2级的GRU模型采用单层结构,能发现并且纠正第1级模型中的预测误差,提升整体的预测结果.最终得到两级模型嵌入的Stacking融合模型.以宁夏太阳山风电场历史数据为例对该模型的准确性进行验证.实验结果表明,通过Stacking算法融合的GRU模型相比其他算法预测平均绝对百分比误差提高了0.63,总体预测效果较为理想,预测准确度提升明显.