典型文献
用于超短期风电预测的混合深度学习模型
文献摘要：
为提高风功率预测的准确性,本文提出了一种基于注意力机制的CNN-LSTM风功率预测模型.首先进行数据预处理,采用最小二乘法k阶曲线对输入数据进行平滑处理,并对平滑化后的数据归一化;其次,利用卷积神经网络对输入数据特征提取;然后,在传统长短期记忆网络模型中融入注意力机制,进一步从 大量信息中提取有用信息,提高模型预测精度.最后,以甘肃省某风电场实测数据为依据进行仿真分析,验证所设计模型的优越性.仿真结果表明,文中模型可以有效降低风功率预测误差.
文献关键词：
卷积神经网络;长短期记忆网络;注意力机制;风功率预测
中图分类号：
作者姓名：
孙国强;项航;王新居;侯清民;索连帅;马腾飞;刘建伟;黄传亮;王照阳
作者机构：
华电河南新能源发电有限公司,河南 郑州 450000;南京华盾电力信息安全测评有限公司,江苏 南京 210000
文献出处：
引用格式：
[1]孙国强;项航;王新居;侯清民;索连帅;马腾飞;刘建伟;黄传亮;王照阳-.用于超短期风电预测的混合深度学习模型)[J].电气开关,2022(04):50-53
A类：
风功率预测误差
B类：
超短期,风电预测,混合深度学习模型,注意力机制,功率预测模型,数据预处理,输入数据,平滑处理,数据归一化,数据特征,长短期记忆网络模型,风电场,设计模型
AB值：
0.193261
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。
