用于超短期风电预测的混合深度学习模型 |
| |
引用本文: | 孙国强,项航,王新居,侯清民,索连帅,马腾飞,刘建伟,黄传亮,王照阳.用于超短期风电预测的混合深度学习模型[J].电气开关,2022(4):50-53. |
| |
作者姓名: | 孙国强 项航 王新居 侯清民 索连帅 马腾飞 刘建伟 黄传亮 王照阳 |
| |
作者单位: | 1. 华电河南新能源发电有限公司;2. 南京华盾电力信息安全测评有限公司 |
| |
摘 要: | 为提高风功率预测的准确性,本文提出了一种基于注意力机制的CNN-LSTM风功率预测模型。首先进行数据预处理,采用最小二乘法k阶曲线对输入数据进行平滑处理,并对平滑化后的数据归一化;其次,利用卷积神经网络对输入数据特征提取;然后,在传统长短期记忆网络模型中融入注意力机制,进一步从大量信息中提取有用信息,提高模型预测精度。最后,以甘肃省某风电场实测数据为依据进行仿真分析,验证所设计模型的优越性。仿真结果表明,文中模型可以有效降低风功率预测误差。
|
关 键 词: | 卷积神经网络 长短期记忆网络 注意力机制 风功率预测 |
|
|