基于PCC-GRU-Attention组合风电功率超短期预测 |
| |
引用本文: | 陈德余,张玮,王辉,房栋.基于PCC-GRU-Attention组合风电功率超短期预测[J].山东轻工业学院学报,2022(6):1-8. |
| |
作者姓名: | 陈德余 张玮 王辉 房栋 |
| |
作者单位: | 1. 齐鲁工业大学(山东省科学院)信息与自动化学院;2. 山东大学电气工程学院;3. 济南市水利工程服务中心 |
| |
基金项目: | 国家自然科学基金(2018YFE0208400); |
| |
摘 要: | 由于风电出力具有随机性、波动性的特点,风电功率预测技术的研究对电力系统的安全稳定运行具有重要意义。提出一种基于PCC-GRU-Attention组合风电功率超短期预测方法,首先使用皮尔逊相关系数(pearson correlation coefficient, PCC)对数据预处理,选出高度相关性的特征作为输入,针对长短期记忆(long short term memory, LSTM)网络与门控循环单元(gated recurrent unite, GRU)网络处理长时序列易丢失序列信息的问题,通过GRU网络处理时间序列信息以及注意力(Attention)机制优化输出权重,与单一LSTM网络和GRU网络以及其它组合模型相比,有效提高了预测精度。
|
关 键 词: | 风电功率预测 PCC GRU 注意力机制 组合预测 |
|