文献类型：期刊文章

作　　者：景惠甜[1] 韩丽[1] 高志宇[1]

JING Huitian;HAN Li;GAO Zhiyu(School of Electrical and Power Engineering,China University of Mining and Technology,Xuzhou 221116,China)

机构地区：[1]中国矿业大学电气与动力工程学院,江苏省徐州市221116

出　　处：《电力系统自动化》

基　　金：国家自然科学基金资助项目(61703404)。

年　　份：2021

卷　　号：45

期　　号：4

起止页码：98-105

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高风电功率爬坡预测的准确性,提出了一种基于卷积神经网络、长短期记忆网络和注意力机制的风电功率爬坡预测方法。首先,针对风电功率爬坡发生次数少、特征复杂、预测模型难以对小样本爬坡事件有效学习的问题,使用卷积神经网络对风电功率序列进行特征提取。然后,使用长短期记忆网络建立预测模型,解决风电功率的长时依赖问题,并在模型中加入注意力机制对长短期记忆网络单元的输出进行加权,从而加强风电特征的学习,提高爬坡预测准确度。仿真验证表明,模型对风电功率爬坡预测有较高的准确性。

关 键 词：风电功率爬坡预测  卷积神经网络 长短期记忆网络  注意力机制  风电爬坡  

分 类 号：TM614] TP183]