典型文献
基于双重注意力LSTM神经网络的可解释海上风电出力预测
文献摘要：
海上风电面临复杂多变气象和海况条件的深度耦合影响,导致其出力预测精度有待提升.同时,预测模型的"黑盒"结构导致出力预测结果在工程应用中可信度偏低.针对上述问题,提出一种基于双重注意力长短期记忆(DALSTM)网络的超短期海上风电出力预测模型.在长短期记忆神经网络的基础上,引入特征空间和时序双重注意力机制,动态挖掘海上风电出力与输入特征间的潜在相关性,并从特征和时间2个方面获得重要性量度,在一定程度上实现了模型的可解释性.最后,基于中国东海大桥海上风电场数据采集与监控数据进行仿真验证.结果表明,所提DALSTM网络模型能够对海上风电出力进行有效的超短期预测,相比于传统预测模型具有更高的预测精度和稳定性,同时具有合理的可解释性.
文献关键词：
海上风电;出力预测;长短期记忆;注意力;可解释性
中图分类号：
作者姓名：
苏向敬;周汶鑫;李超杰;米阳;符杨;董朝阳
作者机构：
上海电力大学电气工程学院,上海市 200090;新南威尔士大学电气工程与通信学院,悉尼 2052,澳大利亚
文献出处：
引用格式：
[1]苏向敬;周汶鑫;李超杰;米阳;符杨;董朝阳-.基于双重注意力LSTM神经网络的可解释海上风电出力预测)[J].电力系统自动化,2022(07):141-151
A类：
DALSTM
B类：
风电出力,出力预测,海况,耦合影响,黑盒,可信度,长短期记忆神经网络,特征空间,空间和时,双重注意力机制,输入特征,量度,可解释性,东海大桥,海上风电场,数据采集与监控,监控数据,仿真验证,超短期预测,传统预测模型
AB值：
0.198591
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。
