典型文献
基于IPSO-BiLSTM-AM模型的超短期风电功率预测方法
文献摘要：
针对现有模型预测准确性与稳定性较低的问题,提出一种以BiLSTM为基础的风电功率预测模型.BiLSTM可以很好的处理风电多变量之间的非线性关系,其次采用改进的PSO优化BiLSTM的超参数,并通过AM训练模型的权重.最后采用内蒙古自治区某风电场的历史数据进行提前0～15 min试验.结果表明,提出的IPSO-BiLSTM-AM模型具有较高的预测精度,可以为风电场电力调度与控制提供科学参考.
文献关键词：
风功率预测;改进的粒子群算法;双向长短期记忆神经网络;注意力机制
中图分类号：
作者姓名：
高鹭;孔繁苗;张飞;任晓颖;张晓琳;秦岭
作者机构：
内蒙古科技大学信息工程学院,内蒙古包头 014010;华北电力大学可再生能源学院,北京 102206
文献出处：
引用格式：
[1]高鹭;孔繁苗;张飞;任晓颖;张晓琳;秦岭-.基于IPSO-BiLSTM-AM模型的超短期风电功率预测方法)[J].智慧电力,2022(04):27-34
A类：
B类：
IPSO,BiLSTM,AM,超短期风电功率预测,现有模型,预测准确性,功率预测模型,多变量,非线性关系,超参数,训练模型,内蒙古自治区,风电场,历史数据,电力调度,调度与控制,风功率预测,改进的粒子群算法,双向长短期记忆神经网络,注意力机制
AB值：
0.288815
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。
