陈月强,伍磊,黄桦.基于改进Transformer模型的短期风电功率预测[J].电工技术,2024(22):24-28
基于改进Transformer模型的短期风电功率预测
  
DOI：10.19768/j.cnki.dgjs.2024.22.008
中文关键词:  风力发电  功率预测  SHAP分析  降噪Transformer模型
英文关键词:
基金项目:
作者单位
陈月强 南京工程学院电力工程学院 
伍磊 南京工程学院电力工程学院 
黄桦 南京工程学院电力工程学院 
摘要点击次数: 17
全文下载次数: 0
中文摘要:
      针对风电功率预测准确率不高的问题，建立了基于多元特征的降噪Transformer模型，对短期风电功率进行预测。首先介绍了一种通过计算特征的贡献来解释机器学习模型预测结果的Shapley Additive exPlanations(SHAP)模型，以此描述多元特征对模型输出的贡献度。其次分析了Transformer模型的结构及预测原理，并针对原始数据夹杂大量噪声这一缺陷，在传统Transformer预测模型基础上增加去噪环节，建立基于改进Transformer模型的短期风电功率预测模型，凭借噪声学习过程获取有效数据，提高预测模型的鲁棒性。最后引入江苏省某风电场实测数据对多种模型的预测效果进行对比，验证了所提出方法的有效性。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器