短期风力发电负荷预测的新方法

作者：姜旭初^*; 许宇澄; 宋超

来源：北京师范大学学报(自然科学版), 2022, 58(01): 39-46.

• 关键词短期预测
• 注意力机制
• 双向长短期记忆网络
• 卷积神经网络（CNN)

以陆上风力发电负荷数据作为研究对象，将注意力机制引入双向长短期记忆与卷积神经网络（CNN）的混合模型来预测短期电力负荷.结果显示：1）注意力机制通过对不同时步的输入进行加权，能够显著提升双向长短期记忆网络的预测性能；2）双向长短期记忆网络-CNN结构比CNN-双向长短期记忆网络结构更适用于短期负荷预测，前者相较后者能够充分利用时序信息，不会在输入初期就丢失关键信息；3）基于注意力机制的双向长短期记忆网络-CNN混合模型的均方根误差（RMSE）、平均绝对百分比误差（MAPE）分别达到了575.35和7.02%，比次佳模型（基于注意力机制的双向长短期记忆网络-CNN混合模型）分别降低了2.75%和9.65%，其在风电短期负荷预测方面有很好的应用前景.

• 单位
  中南财经政法大学