结合交叉局部异常因子和注意力机制的超短期风电功率预测方法

摘要

风电样本数据的质量和风功率预测模型的结构直接影响风电功率预测的精度,提出一种结合交叉局部异常因子(Local Outlier Factor,LOF)和注意力机制的高精度超短期风电功率预测方法.通过交叉LOF算法进行分钟级的风电数据异常孤立点检测,有效提高了样本数据的质量.通过增加注意力机制避免长短期记忆(Long Short-Term Memory,LSTM)算法在编解码过程中固定长度向量导致的数据特性损失问题,从而更有效利用历史数据的特征,提高风功率预测的精度.最后,对真实风场实测数据进行实验分析,验证了所述方法的可行性与准确性.