基于LSTM-Attention网络的短期风电功率预测

• 作者: 季欣欣 李晓瑞 程其玉 莫晨 邵洁 钱勇生
• 来源期刊: 电机与控制应用
• 学科: 工学
• 关键词: 风电功率预测 LSTM 卷积神经网络 压缩和奖惩网络模块 注意力机制
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 新能源发电与局域电网
• 页码范围: 95-100
• 页数: 6页
• 分类号: TM715
• 字数: 3368字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6540.2019.09.016

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵洁	上海电力大学电子与信息工程学院	22	39	4.0	5.0
2	钱勇生		1	0	0.0	0.0
3	季欣欣	上海电力大学电子与信息工程学院	4	6	1.0	2.0
4	李晓瑞	上海电力大学电子与信息工程学院	2	6	1.0	2.0
5	莫晨	上海电力大学电子与信息工程学院	2	6	1.0	2.0
6	程其玉	上海电力大学电子与信息工程学院	2	6	1.0	2.0