典型文献
引入注意力机制的CNN和LSTM复合风电预测模型
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
李静茹;姚方
作者机构：
山西大学电力与建筑学院,山西太原 030013
文献出处：
引用格式：
[1]李静茹;姚方-.引入注意力机制的CNN和LSTM复合风电预测模型)[J].电气自动化,2022(06):4-6
A类：
B类：
注意力机制,风电预测,风电功率预测,电力系统,传统模型,长短期记忆网络,原始数据,有效信息,历史数据,时间序列分析,长时间序列,时间序列数据,ISTM,出进,实例仿真,预测性能,超短期预测
AB值：
0.233932
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
