论文摘要
提出一种基于LSTM-Attention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测（NWP）数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络（CNN）提取NWP数据的局部特征,并引入压缩和奖惩网络（SE）模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型（ARIMA）模型和LSTM模型相比,LSTM-Attention模型具有更高的预测精度,证明了该方法的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 钱勇生,邵洁,季欣欣,李晓瑞,莫晨,程其玉
关键词: 风电功率预测,卷积神经网络,压缩和奖惩网络模块,注意力机制
来源: 电机与控制应用 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 上海电器科学研究所(集团)有限公司,上海电力大学电子与信息工程学院
分类号: TM614
页码: 95-100
总页数: 6
文件大小: 664K
下载量: 460
相关论文文献
- [1].基于LSTM-Attention的农业短文本信息分类研究[J]. 软件导刊 2020(09)
- [2].基于LSTM-Attention神经网络的文本特征提取方法[J]. 现代电子技术 2018(08)
- [3].基于LSTM-Attention的高黏稠食品灌装流量检测[J]. 包装学报 2020(01)
标签：风电功率预测论文; 卷积神经网络论文; 压缩和奖惩网络模块论文; 注意力机制论文;