10.3969/j.issn.1000-3886.2022.06.002
引入注意力机制的CNN和LSTM复合风电预测模型
风电功率预测的准确性对电力系统的运行有着重要的影响,然而,传统模型对于风电功率预测的准确度不高,因此提出了一种引入注意力机制的卷积神经网络(CNN)和长短期记忆网络(LSTM)复合风电预测模型.为了充分利用原始数据中的有效信息,首先经过CNN对历史数据进行特征提取,并通过LSTM进行时间序列分析,有效地利用了长时间序列数据,对ISTM层输出进行注意力加权,进一步突出了关键的特征,改善预测结果.最后,通过实例仿真表明了所提出的方法比传统CNN和CNN_LSTM方法的预测性能更加优越,且具有实用价值.
特征提取、长短期记忆网络、注意力机制、风电功率、超短期预测
44
TM614(发电、发电厂)
国家自然科学基金;山西省电力公司科技项目
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共3页
4-6