10.19725/j.cnki.1007-2322.2021.0108
基于注意力机制的卷积神经网络-长短期记忆网络的短期风电功率预测
为了提高风电功率的预测精度,针对风电数据间歇性与时序性的特点,提出了一种基于注意力机制的卷积神经网络-长短期记忆(convolutional neural networks-long short-term memory,CNN-LSTM)网络预测模型.首先利用CNN提取风电数据动态变化的多维特征,然后将特征向量构造成时序形式并作为LSTM网络的输入,最后使用注意力机制进行优化,通过赋予LSTM网络隐含层不同的权重,增强重要信息的作用,完成风电功率预测.采用国内某风电场的风电数据进行实验,结果表明该模型比支持向量机、LSTM模型、CNN-LSTM模型具有更好的预测精度.
风电功率预测、卷积神经网络、长短期记忆网络、注意力机制
39
TM614(发电、发电厂)
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
212-218