一种基于attention机制的CNN-LSTM短期风电功率预测方法

摘要

本发明公开了一种基于attention机制的CNN‑LSTM短期风电功率预测方法，该方法通过收集历史环境和历史风电功率数据，对数据进行数据清洗和归一化等预处理；然后搭建包含attention机制的CNN‑LSTM模型并进行训练获得预测模型，其中CNN网络包括Conv1D层、MaxPooling1D层；LSTM网络包括基本的LSTM层、attention层、Dropout层以及最后的Dense层。本发明采用基于attention机制的CNN‑LSTM短期风电功率预测模型，考虑天气、风速、风向、温度、压力、湿度等各类环境因素，有效提取数据的局部特征和时序特征，合理分配特征权重，能够实现对风电功率的精准预测。