NWP辅助复合神经网络预测误差修正的风储系统日前上报策略

新能源电站出力存在强波动性导致巨额偏差考核支出,因此基于数值天气预报(NWP)和复合深度学习算法,提出一种计及误差预测修正的风储系统日前上报策略。首先通过改进的组合数据预处理算法对数据进行清洗以降低后续预测难度,建立基于分段式收敛粒子群算法(PCPSO)参数寻优的长短期记忆网络(LSTM)对分量分别进行预测,重构预测结果获取原预测曲线。其次考虑预测误差及NWP信息导入多输入反向传播神经网络(MIBP)获取误差预测曲线,使用非参数核密度函数修订该预测误差曲线后,以储能跟踪误差最小和储能全局调控能力最高为目的模拟储能运行获取最佳储能动作曲线,且叠加原预测曲线和最佳储能动作曲线获取最终日前上报曲线。最后通过仿真分析验证了上报策略的正确性与可行性。