一种基于DCCSO优化深度学习模型的超短期风电功率预测方法

摘要

本发明涉及风电功率预测的技术领域，更具体地，涉及一种基于DCCSO优化深度学习模型的超短期风电功率预测方法：采集原始风电数据并对原始风电数据进行预处理，建立时序注意力‑门控循环单元深度学习预测模型，并基于改进纵横交叉算法优化时序注意力‑门控循环单元深度学习预测模型的初始权值和阈值，可有效提升时序注意力‑门控循环单元深度学习预测模型的收敛速度及泛化性能；时序注意力‑门控循环单元深度学习预测模型中，时序注意力能够提升模型本身对输入的时间敏感性，门控循环单元则能进一步挖掘输入时间序列内在隐藏时间相关性，时序注意力与门控循环单元的结合对提高风电功率预测精度有重要的意义。