基于PCC-GRU-Attention组合风电功率超短期预测

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。