基于SSA-BiLSTM-AT的短期風(fēng)電功率預(yù)測

打開文本圖片集

［摘 要］ 針對短期風(fēng)電功率的復(fù)雜性與多樣性，提出一種含注意力機制的雙向長短期記憶網(wǎng)絡(luò)（BiLSTM）神經(jīng)網(wǎng)絡(luò)和麻雀算法（SSA）調(diào)參的短期風(fēng)電功率預(yù)測模型，SSA-BiLSTM-AT。首先對輸入數(shù)據(jù)進行異常值處理和歸一化，采用Pearson相關(guān)系數(shù)法分析風(fēng)電功率和各特征之間的關(guān)系，剔除數(shù)據(jù)中的相關(guān)度較低的特征，以提高模型的預(yù)測精度；針對BiLSTM超參數(shù)選擇困難的問題，利用麻雀算法對BiLSTM中學(xué)習(xí)率、迭代次數(shù)、第1和第2隱含層節(jié)點數(shù)4個重要參數(shù)進行智能迭代優(yōu)化，得到最優(yōu)參數(shù)后利用BiLSTM進行預(yù)測；最后引入注意力機制，通過注意力權(quán)重突出關(guān)鍵因素的影響，挖掘風(fēng)電數(shù)據(jù)的內(nèi)部規(guī)律。（剩余10599字）