WGAN-GP雨天数据增强模型

雨天预测误差降15.3%

利用渐进梯度惩罚的WGAN-GP为雨天光伏数据扩充样本，配合双向长短时记忆网络与改进麻雀搜索算法实现自适应超参数优化，显著提升雨天功率预测精度。

Wencheng, Liu · Mao, Zhingzhong

Computers and Electrical Engineering 2024

参数信息

平均绝对误差降低百分比

15.3 %

均方根误差降低百分比

6.15 %

光伏电站装机容量

1 MW

技术优势

雨天数据不足也能高精度预测

WGAN-GP 生成高质量的雨天数据样本，有效扩充训练集，解决数据稀疏问题，从而降低预测误差。

不用反复试超参数

改进的麻雀搜索算法 LSSA 自动优化双向 LSTM 的超参数，减少人工调参工作量，且混沌映射增强寻优能力。

应用场景

• 光伏功率预测：提供雨天的精准功率预测，提升预测系统的整体可靠性。
• 智能电网调度：更准的雨天预测有助于电网提前调整调度计划，减少备用容量浪费。
• 天气预报辅助：用功率数据增强雨天样本，间接提升对天气影响的理解。
• 光伏电站运维：降低雨天预测误差，帮助运维人员提前安排检修和清洁计划。