基于注意力机制的CNN-LSTM风速预测模型研究

摘要

基于风力大小非线性、随机性和难以准确预测的特点，构建了以卷积神经网络(CNN)和长短期记忆神经网络(LSTM)为基础的短期局部风速预测模型，并采用TensorFlow深度学习平台进行模型参数调试.然后构建了一种基于注意力机制的CNN-LSTM-Attention风速预测组合模型，采用福建平潭岛风电场4个不同季节的典型日风速数据集为样本对该模型的预测精度进行测试.测试结果表明，在风速预测精度方面，CNN-LSTM-Attention模型优于CNN-LSTM模型和LSTM模型，特别是在风速剧烈变化的工况时，CNN-LSTM-Attention模型的预测精度提升更为显著，且预测结果的可靠性更高，这表明该模型对于不同的风速变化和不同的数据集具有更强的适应性和稳健性.

关键词

风速预测 / 长短期记忆神经网络 / 卷积神经网络 / 注意力机制 / 组合预测模型