Abstract：
风电功率的准确预测可以有效地减少并网波动.现有的风电功率预测模型存在输入特征过多、超参数选择难、时序过长易丢失重要信息等问题.为此,提出了一种麻雀搜索算法(SSA)优化双向长短时记忆(BiLSTM)加注意力机制(AM)的短期风电功率融合预测模型.首先,SSA对BiLSTM神经网络的节点数、学习率和训练次数等超参数进行寻优,确认最佳参数;然后,引入AM对BiLSTM的输入特征分配不同权重,强化关键特征;最后,应用所提模型对新疆210 MW风电场的风电功率进行预测,并与其他模型的预测结果对比.结果表明,SSA-BiLSTM-AM预测模型的均方根误差(RMSE)为5.411 4、平均绝对误差(MAE)为3.674 9,显著优于其他模型的预测精度,证明了 SSA优化算法和AM能够有效提高风电机组的短期功率预测精度.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
国外电子测量技术
ISSN： 1002-8978
Year： 2023
Issue： 3
Volume： 42
Page： 46-51
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
