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

作者：姚越; 刘达^*

来源：现代电力, 2022, 39(02): 212-218.

DOI：10.19725/j.cnki.1007-2322.2021.0108

• 风电功率预测
• 卷积神经网络
• 长短期记忆网络
• 注意力机制

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。

• 单位
  数理学院; 华北电力大学