基于SSA-BiLSTM-AT的短期风电功率预测

打开文本图片集

［摘 要］ 针对短期风电功率的复杂性与多样性，提出一种含注意力机制的双向长短期记忆网络（BiLSTM）神经网络和麻雀算法（SSA）调参的短期风电功率预测模型，SSA-BiLSTM-AT。首先对输入数据进行异常值处理和归一化，采用Pearson相关系数法分析风电功率和各特征之间的关系，剔除数据中的相关度较低的特征，以提高模型的预测精度；针对BiLSTM超参数选择困难的问题，利用麻雀算法对BiLSTM中学习率、迭代次数、第1和第2隐含层节点数4个重要参数进行智能迭代优化，得到最优参数后利用BiLSTM进行预测；最后引入注意力机制，通过注意力权重突出关键因素的影响，挖掘风电数据的内部规律。（剩余10599字）