基于TPAMBLSTM模型的超短期风电功率预测
文档名：基于TPAMBLSTM模型的超短期风电功率预测
摘要：风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径.提出一种结合时间模式注意力(timepatternattention,TPA)机制的多层堆叠双向长短期记忆网络的超短期风电功率预测方法.首先,利用基于密度的含噪声空间聚类方法(den-sitybasedspatialclusteringwithnoise,DBSCAN)和线性回归算法进行风功率数据集的异常值检测,利用k最邻近(k-nearestneighbor,KNN)插值法重构异常点数据;其次,综合考虑风电功率与各气象特征的内在关联性,在MBLSTM网络中引入TPA机制合理分配时间步长权重,捕捉风电功率时间序列潜在逻辑规律;最后,利用实验仿真数据进行分析验证本文方法的有效性,该方法能够充分挖掘风功率与风速影响因素的关系,从而提高其预测精度.
Abstract：Theintermittencyandvolatilityofwindspeedchangesposegreatchallengestotheaccuratepredictionofwindpower.Fullyexploringtheinherentlawsofkeyfactorssuchaswindpowerandwindspeedisaneffectivewaytoimprovetheaccuracyofwindpowerprediction.Amethodforultra-short-termwindpowerpredictionisproposed,whichincorporatesatemporalpatternattention(TPA)mechanismintoamulti-layerstackedbidirectionallongshort-termmemorynetwork.Firstly,outlierdetectionforthewindpowerdatasetisperformedusingadensity-basednoisyspatialclusteringmethod(DBSCAN)andalinearregressionalgorithm,followedbydatareconstructionofoutlierpointsusingk-nearestneighbor(KNN)interpolation.Next,theintrinsiccorrelationsbetweenwindpowerandvariousmeteorologicalfeaturesarecomprehensivelyconsidered,andtheTPAmechanismisintroducedintotheMBLSTMnetworktoproperlyallocatetimestepweights,capturingtheunderlyinglogicalpatternsofthewindpowertimeseries.Finally,theeffectivenessoftheproposedmethodisverifiedthroughexperimentalsimulationdataanalysis.Resultsshowthatthismethodcanfullyexploretherelationshipbetweenwindpowerandwindspeedinfluencingfactors,therebyimprovingitspredictionaccuracy.
作者：蔡昌春 范靖浩 李源佳 何瑶瑶 Author：CAIChangchun FANJinghao LIYuanjia HEYaoyao
作者单位：河海大学人工智能与自动化学院,江苏常州213022;河海大学江苏省输配电装备技术重点实验室,江苏常州213022河海大学信息科学与工程学院,江苏常州213022;河海大学江苏省输配电装备技术重点实验室,江苏常州213022
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2024, 39(1)
分类号：TM614
关键词：风电功率预测时间模式注意力机制多层堆叠双向长短记忆网络异常数据检测基于密度的含噪声空间聚类方法线性回归
Keywords：windpowerpredictionTPAmechanismMBLSTManomalydatadetectionDBSCANlinearregression
机标分类号：TP391.1TP183U491.14
在线出版日期：2024年5月21日
基金项目：国家自然科学基金，常州市应用基础研究计划基于TPA-MBLSTM模型的超短期风电功率预测[
期刊论文]电力科学与技术学报--2024, 39(1)蔡昌春范靖浩李源佳何瑶瑶风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径.提出一种结合时间模式注意力(timepatternattention,TPA)机制的多层堆叠双向...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于TPA-MBLSTM模型的超短期风电功率预测Ultra-short-term wind power prediction based on TPA-MBLSTM model
基于TPA-MBLSTM模型的超短期风电功率预测.pdf
页:
[1]