典型文献
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
文献摘要：
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.
文献关键词：
风电功率预测;卷积神经网络;长短期记忆网络;注意力机制
中图分类号：
作者姓名：
姚越;刘达
作者机构：
华北电力大学数理学院,北京市昌平区102206;华北电力大学智慧能源研究所,北京市昌平区102206;华北电力大学经济与管理学院,北京市昌平区102206
文献出处：
引用格式：
[1]姚越;刘达-.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)[J].现代电力,2022(02):212-218
A类：
B类：
注意力机制,长短期记忆网络,短期风电功率预测,间歇性,时序性,convolutional,neural,networks,long,short,term,memory,取风,数据动态,多维特征,特征向量,隐含层,重要信息,成风,风电场
AB值：
0.217341
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。
