冯秀坤,刘国通,李占峰,余小涛.基于CNN-BiLSTM-Attention的光伏功率预测模型[J].电工技术,2025(4):50-52
基于CNN-BiLSTM-Attention的光伏功率预测模型
  
DOI：10.19768/j.cnki.dgjs.2025.04.014
中文关键词:  光伏发电  卷积神经网络  双向长短期记忆网络  注意力机制
英文关键词:
基金项目:
作者单位
冯秀坤 中企科信技术股份有限公司 
刘国通 中企科信技术股份有限公司 
李占峰 国网江西省电力有限公司余干县供电分公司 
余小涛 青岛鼎信通讯股份有限公司 
摘要点击次数: 57
全文下载次数: 0
中文摘要:
      为了准确预测光伏发电功率，提出一种基于卷积神经网络(CNN)、双向长短期记忆(BiLSTM)网络和注意力机制(Attention)的预测模型。首先使用皮尔逊相关系数分析法对输入特征进行筛选，然后使用CNN提取空间特征，随后将提取的特征序列输入双向LSTM层进行时序建模，并融合注意力机制分配权重以增强重要特征，最后由全连接层输出预测结果。实验结果表明：基于CNN-BiLSTM-Attention的光伏功率预测模型的预测精度达到99.97%，预测误差均在1%以内。相较于LSTM和CNN-LSTM-Attention模型，CNN-BiLSTM-Attention模型具有更高的预测精度，表现出一定的优越性和可靠性。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器