风电预测联合学习模型

多尺度高精度

通过主动隐私聚类和知识融合，在保护数据隐私的前提下，实现从单机到全场多空间尺度的风电功率预测。

从飞云 · Rong, Wu · Zhong, Wei · 林小杰

Energy 2024

参数信息

平均预测精度

87.11 %

平均预测精度

81.69 %

技术优势

数据不出本地

联邦学习让模型在各风电场本地训练，仅共享模型参数，原始数据不需要集中。

异构数据也兼容

主动隐私聚类和知识融合缓解了不同风电场数据分布差异对模型性能的负面影响。

应用场景

• 风电功率预测：提供兼顾隐私的多尺度功率预测，替代各场站独立建模。
• 智能电网：为电网调度提供多风电场聚合预测，且无需集中原始数据。
• 储能调度：以更准的风电功率预测指导储能充放电，减少弃风。
• 风电场运维：提供风机级功率预测，辅助早期发现性能异常。