基于气象特征挖掘和改进深度学习模型的风电功率短期预测
为提高风电功率短期预测的准确度,需进一步挖掘气象特征,为此,提出一种基于贝叶斯优化调参的特征挖掘改进深度学习模型.对气象因素提取多时间尺度下的统计特征、组合特征和类别特征;构建包含长短时记忆神经网络与注意力机制结合模块、Embedding模块和输出模块的深度学习模型,将连续数值特征输入长短时记忆神经网络与注意力机制结合模块,将类别特征输入Embedding模块;由贝叶斯优化调参进行特征组合选择,找出最优特征组合,得到最终的风电功率预测结果.与某风电场历史数据的对比分析表明,所提方法能有效提高风电功率的预测精度.
风电功率预测、气象特征、深度学习、特征构造、贝叶斯优化
43
TM614(发电、发电厂)
湖南省科技重大专项;湖南省自然科学基金面上项目;湖南省教育厅科学研究项目;益阳市社科课题
2023-03-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
110-116