Adaptive Short-term Wind Power Forecasting Under Extreme Weather Events Based on Transfer Learning and Autoencoder

LI Yujia; CHEN Fuhao; YAN Jie; GE Chang; HAN Shuang; LIU Yongqian

doi:10.7500/AEPS20240429012

您当前的位置：

首页 >

文章列表页 >

Adaptive Short-term Wind Power Forecasting Under Extreme Weather Events Based on Transfer Learning and Autoencoder

Basic Research | 更新时间：2025-09-25

- Adaptive Short-term Wind Power Forecasting Under Extreme Weather Events Based on Transfer Learning and Autoencoder
- Automation of Electric Power Systems Vol. 49, Issue 16, Pages: 85-95(2025)
- 作者机构：
  
  华北电力大学新能源学院，北京市 102206
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52277099)
- DOI：10.7500/AEPS20240429012
  CLC：
- Received：29 April 2024，
  
  Revised：2024-10-10，
  
  Published Online：29 November 2024，
  
  Published：25 August 2025
- 稿件说明：
移动端阅览
李宇佳,陈富豪,阎洁等.基于迁移学习和自编码器的极端天气自适应短期风电功率预测[J].电力系统自动化,2025,49(16):85-95.

LI Yujia,CHEN Fuhao,YAN Jie,et al.Adaptive Short-term Wind Power Forecasting Under Extreme Weather Events Based on Transfer Learning and Autoencoder[J].Automation of Electric Power Systems,2025,49(16):85-95.
李宇佳,陈富豪,阎洁等.基于迁移学习和自编码器的极端天气自适应短期风电功率预测[J].电力系统自动化,2025,49(16):85-95. DOI： 10.7500/AEPS20240429012.

LI Yujia,CHEN Fuhao,YAN Jie,et al.Adaptive Short-term Wind Power Forecasting Under Extreme Weather Events Based on Transfer Learning and Autoencoder[J].Automation of Electric Power Systems,2025,49(16):85-95. DOI： 10.7500/AEPS20240429012.

摘要

针对寒潮、台风、覆冰等极端天气下风电功率预测精度不足的问题，提出基于气象因子的极端天气事件判别方法，以及基于迁移学习和自编码器的极端天气事件自适应短期风电功率预测方法。首先，通过分析气象要素和机组出力间的耦合特性，定义极端天气判别标准，识别未来将要发生的天气事件类型。其次，基于自编码器预测模型的自相关机制增加长时间序列信息利用率，采用迁移学习的“预训练-微调”策略，先利用正常天气下的充足样本对预测模型预训练，再针对极端天气下有限样本数据进行微调，根据判别得到的天气事件，自适应地采用该类天气事件下的预测模型进行短期风电功率预测。选取12个风电场的数据集进行分析，通过分析模型在极端天气和所有天气条件下的预测表现，验证了所提方法的有效性。实验结果表明，所提方法可准确预知未来是否会发生极端天气事件，并大幅提升极端天气事件下的短期风电功率预测精度。

Abstract

Aiming at the problem of insufficient accuracy of wind power forecasting under extreme weather events such as cold waves

typhoons and icing

an extreme weather event discrimination method based on meteorological factors is proposed

and an adaptive short-term wind power forecasting method for extreme weather events based on transfer learning and autoencoder is proposed. Firstly

by analyzing the coupling characteristics between meteorological factors and wind turbine output

the extreme weather discrimination standards are defined to identify the types of weather events that will occur in the future. Secondly

based on the autocorrelation mechanism of autoencoder forecasting model

the utilization of long-time-series information is increased. The pre-training-fine-tuning strategy of transfer learning is adopted

whereby sufficient samples under normal weather are used for pre-training the forecasting model

and then fine-tuning is carried out for the limited samples of extreme weather data. The forecasting model is adaptively applied to the short-term wind power forecasting according to the discrimination of extreme weather events. The datasets from 12 wind farms are selected for analysis

and the effectiveness of the proposed method is verified by analyzing the forecasting performance of the model under extreme weather and all kinds of weather conditions. The experimental results show that the proposed method can accurately forecast whether an extreme weather event will occur in the future and substantially improve the accuracy of short-term wind power forecasting under extreme weather events.

关键词

Keywords

references

赵永宁，李卓，叶林，等 . 基于时空相关性的风电功率超短期自适应预测方法［J］. 电力系统保护与控制， 2023 ， 51 （ 6 ）： 94 - 105 .

ZHAO Yongning ， LI Zhuo ， YE Lin ， et al . A very short-term adaptive wind power forecasting method based on spatio-temporal correlation ［J］. Power System Protection and Control ， 2023 ， 51 （ 6 ）： 94 - 105 .

LIU Y C ， LIU Q Y ， HU F K ， et al . Transient stability assessment for power system with wind farm considering the stochasticity ［J］. International Transactions on Electrical Energy Systems ， 2021 ， 31 （ 8 ）： e12854 .1-e12854.13.

赵洪山，林诗雨，曲岳晗，等 . 考虑极端天气冲击过程的风电机组竞争失效可靠性评估［J］. 电力自动化设备， 2024 ， 44 （ 4 ）： 40 - 47 .

ZHAO Hongshan ， LIN Shiyu ， QU Yuehan ， et al . Reliability evaluation of wind turbine competitive failure considering extreme weather impact process ［J］. Electric Power Automation Equipment ， 2024 ， 44 （ 4 ）： 40 - 47 .

余光正，陆柳，汤波，等 . 考虑转折性天气的海上风电功率超短期分段预测方法研究［J］. 中国电机工程学报， 2022 ， 42 （ 13 ）： 4859 - 4870 .

YU Guangzheng ， LU Liu ， TANG Bo ， et al . Research on ultra-short-term subsection forecasting method of offshore wind power considering transitional weather ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 13 ）： 4859 - 4870 .

王浩 . 大规模风电爬坡事件运行风险评估与预警［D］. 济南：山东大学， 2016 .

WANG Hao . Operational risk assessment and early warning of large-scale wind power climbing events ［D］. Jinan ： Shandong University ， 2016 .

阮前途，叶荣 . 保障极端天气下供需安全的新型电力系统电源规划［J］. 电力系统自动化， 2025 ， 49 （ 4 ）： 103 - 115 .

RUAN Qiantu ， YE Rong . Power source planning of new power system for guaranteeing supply-demand security under extreme weather ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 4 ）： 103 - 115 .

杜洋，刘家妤，郭灵瑜，等 . 极端事件下电力-天然气耦合系统故障连锁传播仿真分析［J/OL］. 电力建设： 1 - 10 ［ 2024-04-22 ］. http：//kns.cnki.net/kcms/detail/11.2583.TM.20230928.1444.016.html http://kns.cnki.net/kcms/detail/11.2583.TM.20230928.1444.016.html .

DU Yang ， LIU Jiayu ， GUO Lingyu ， et al . Simulation analysis of fault cascading propagation in power-gas coupling system under extreme events ［J/OL］. Electric Power Construction ： 1 - 10 ［ 2024-04-22 ］. http：//kns.cnki.net/kcms/detail/11.2583.TM.20230928.1444.016.html http://kns.cnki.net/kcms/detail/11.2583.TM.20230928.1444.016.html .

叶林，李奕霖，裴铭，等 . 寒潮天气小样本条件下的短期风电功率组合预测［J］. 中国电机工程学报， 2023 ， 43 （ 2 ）： 543 - 555 .

YE Lin ， LI Yilin ， PEI Ming ， et al . Combined approach for short-term wind power forecasting under cold weather with small sample ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 2 ）： 543 - 555 .

FUJIMOTO Y ， TAKAHASHI Y ， HAYASHI Y . Alerting to rare large-scale ramp events in wind power generation ［J］. IEEE Transactions on Sustainable Energy ， 2019 ， 10 （ 1 ）： 55 - 65 .

符杨，周全，贾锋，等 . 基于SCADA数据图形化的海上风电机组故障预测［J］. 中国电机工程学报， 2022 ， 42 （ 20 ）： 7465 - 7475 .

FU Yang ， ZHOU Quan ， JIA Feng ， et al . Fault prediction of offshore wind turbines based on graphical processing of SCADA data ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 20 ）： 7465 - 7475 .

CAI Z L ， YE L ， LI L ， et al . Wind power loss forecasting and early warning based on transfer learning under extreme weather ［C］// 2022 IEEE 6th Conference on Energy Internet and Energy System Integration （EI2）， November 11-13 ， 2022 ， Chengdu， China ： 2911 - 2915 .

王勃，冯双磊，刘晓琳，等 . 计及转折性天气过程识别与检验的短期风电功率预测［J］. 南方电网技术， 2023 ， 17 （ 12 ）： 52 - 62 .

WANG Bo ， FENG Shuanglei ， LIU Xiaolin ， et al . Short-term wind power prediction considering identification and testing of transitional weather processes ［J］. Southern Power System Technology ， 2023 ， 17 （ 12 ）： 52 - 62 .

LIANG T ， CHEN C Y ， MEI C X ， et al . A wind speed combination forecasting method based on multifaceted feature fusion and transfer learning for centralized control center ［J］. Electric Power Systems Research ， 2022 ， 213 ： 108765 .

胡宏博，黄艳艳，戴金，等 . 近11年中国寒潮频发的机理分析［J］. 大气科学学报， 2023 ， 46 （ 6 ）： 864 - 875 .

HU Hongbo ， HUANG Yanyan ， DAI Jin ， et al . Causes of China’s frequent cold waves over the past 11 years ［J］. Transactions of Atmospheric Sciences ， 2023 ， 46 （ 6 ）： 864 - 875 .

魏翔宇，向月，沈晓东，等 . 考虑台风影响的风速多步预测模型［J］. 电力系统自动化， 2021 ， 45 （ 14 ）： 30 - 37 .

WEI Xiangyu ， XIANG Yue ， SHEN Xiaodong ， et al . Multi-step forecasting model of wind speed considering influence of typhoon ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 14 ）： 30 - 37 .

晏鸣宇，周志宇，文劲宇，等 . 基于短期覆冰预测的电网覆冰灾害风险评估方法［J］. 电力系统自动化， 2016 ， 40 （ 21 ）： 168 - 175 .

YAN Mingyu ， ZHOU Zhiyu ， WEN Jinyu ， et al . Assessment method for power grid icing risk based on short-term icing forecasting ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 21 ）： 168 - 175 .

鞠冠章，王靖然，崔琛，等 . 极端天气事件对新能源发电和电网运行影响研究［J］. 智慧电力， 2022 ， 50 （ 11 ）： 77 - 83 .

JU Guanzhang ， WANG Jingran ， CUI Chen ， et al . Impact of extreme weather events on new energy power generation and power grid operation ［J］. Smart Power ， 2022 ， 50 （ 11 ）： 77 - 83 .

刘雅婷，杨明，于一潇，等 . 基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测［J］. 高电压技术， 2023 ， 49 （ 7 ）： 2972 - 2982 .

LIU Yating ， YANG Ming ， YU Yixiao ， et al . Transitional-weather-considered day-ahead wind power forecasting based on multi-scene sensitive meteorological factor optimization and few-shot learning ［J］. High Voltage Engineering ， 2023 ， 49 （ 7 ）： 2972 - 2982 .

WANG Q L ， ZHOU C H ， ZHANG H Y ， et al . Offshore wind power prediction method considering typhoon， cold wave and other meteorological features under transitory weather ［J］. Procedia Computer Science ， 2023 ， 224 ： 377 - 382 .

WU Z L ， CAO Y H ， NIE S ， et al . Effects of rain on vertical axis wind turbine performance ［J］. Journal of Wind Engineering and Industrial Aerodynamics ， 2017 ， 170 ： 128 - 140 .

BATTISTI L . Wind turbines in cold climates： icing impacts and mitigation systems ［M］. Berlin， Germany ： Springer ， 2015 .

王浩，王洪涛，王春义 . 计及冰雪天气影响的风电场短期出力模型［J］. 电力系统保护与控制， 2016 ， 44 （ 8 ）： 107 - 114 .

WANG Hao ， WANG Hongtao ， WANG Chunyi . A short-term output model of wind farm considering rain-snow-ice weather ［J］. Power System Protection and Control ， 2016 ， 44 （ 8 ）： 107 - 114 .

国家质量监督检验检疫总局，中国国家标准化管理委员会 . 冷空气等级： GB/T20484—2017 ［S］. 北京：中国标准出版社， 2017 .

General Administration of Quality Supervision ， Inspection and Quarantine of the People’s Republic of China ， Standardization Administration of the People’s Republic of China . Grade of cold air ： GB/T 20484—2017 ［S］. Beijing ： Standards Press of China ， 2017 .

LI J L ， SONG Z H ， WANG X F ， et al . A novel offshore wind farm typhoon wind speed prediction model based on PSO-Bi-LSTM improved by VMD ［J］. Energy ， 2022 ， 251 ： 123848 .

WU H ， XU J ， WANG J ， et al . Autoformer： decomposition transformers with auto-correlation for long-term series forecasting ［J］. Advances in Neural Information Processing Systems ， 2021 ， 34 ： 22419 - 22430 .

XU Y H ， LIN K R ， HU C H ， et al . Deep transfer learning based on transformer for flood forecasting in data-sparse basins ［J］. Journal of Hydrology ， 2023 ， 625 ： 129956 .

唐利涛，张智勇，陈俊，等 . 基于Autoformer的电力负荷预测与分析研究［J］. 华东师范大学学报（自然科学版）， 2023 （ 5 ）： 135 - 146 .

TANG Litao ， ZHANG Zhiyong ， CHEN Jun ， et al . Research on Autoformer-based electricity load forecasting and analysis ［J］. Journal of East China Normal University（Natural Science）， 2023 （ 5 ）： 135 - 146 .

李宝琴，吴俊勇，李栌苏，等 . 基于主动迁移学习的电力系统暂态稳定自适应评估［J］. 电力系统自动化， 2023 ， 47 （ 4 ）： 121 - 132 .

LI Baoqin ， WU Junyong ， LI Lusu ， et al . Adaptive assessment of power system transient stability based on active transfer learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 4 ）： 121 - 132 .

OH J ， PARK J ， OK C ， et al . A study on the wind power forecasting model using transfer learning approach ［J］. Electronics ， 2022 ， 11 （ 24 ）： 4125 .

REN X ， WANG Y M ， CAO Z ， et al . Feature transfer and rapid adaptation for few-shot solar power forecasting ［J］. Energies ， 2023 ， 16 （ 17 ）： 6211 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Short-term Wind Power Forecasting Method Based on Model Learning Offset Correction

Applications and Challenges of Few-shot Learning Technologies in New Power System

Related Author

LI Yujia

CHEN Fuhao

YAN Jie

CHEN Yanxu

PAN Shiji

ZHAO Yongning

YE Lin

TANG Xisheng

Related Institution

College of Information and Electrical Engineering, China Agricultural University

Institute of Electrical Engineering, Chinese Academy of Sciences

Beijing Electric Power Economic and Technological Research Institute Co., Ltd.

College of Electrical Engineering, Sichuan University

Key Laboratory of Control of Power Transmission and Conversion, Ministry of Education(Shanghai Jiao Tong University)

⁰