基于W-BiLSTM的可再生能源超短期发电功率预测方法
针对现有新能源超短期预测方法难以有效挖掘和分析数据的固有波动规律,且当时序过长时易丢失重要信息等问题,提出了一种基于注意力(Attention)机制的小波分解-双向长短时记忆网络(W-BiLSTM)超短期风、光发电功率预测方法.首先,利用小波分解提取输入时间序列的时域信息和频域信息.随后,考虑双向信息流,采用双向长短时记忆网络(BiLSTM)进行预测,引入注意力机制,通过映射加权和学习参数矩阵赋予BiLSTM隐含状态不同的权重,有选择性地获取更多有效信息.最后,通过实际数据进行仿真验证.仿真结果表明,所提模型与现有模型相比,具有良好的预测性能.
可再生能源、风力发电、光伏发电、功率预测、小波分解、深度学习、注意力机制
45
国家自然科学基金资助项目51777077
2021-04-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
175-184