基于注意力门控循环神经网络和误差修正策略的短期风速预测模型
机器学习
2024-04-23 v2 人工智能
大气与海洋物理
摘要
风速序列的准确预测对于电网调度安全和风力应用至关重要。然而，由于其非线性和非平稳特性，其短期预测极具挑战性。因此，本文在注意力机制基础上提出了一种短期风速预测模型，采用改进的门控循环神经网络（AtGRU）和误差修正策略。该模型使用AtGRU模型作为初始预测器，使用GRU模型作为误差校正器。首先，采用SSA（奇异谱分析）处理历史风速序列以降低噪声。随后，使用历史风速序列进行预测器训练。在此过程中，预测会有一定误差。经变分模态分解（VMD）处理的这些误差序列用于训练误差校正器。最终的预测结果仅是预测器预测与误差校正器之和。在Woodburn、St. Thomas和Santa Cruz三个案例研究中，该提出的SSA-AtGRU-VMD-GRU模型优于比较模型，表明该模型显著增强了风速预测的纠正能力。
引用
@article{arxiv.2404.11422,
title = {Short-term wind speed forecasting model based on an attention-gated recurrent neural network and error correction strategy},
author = {Haojian Huang},
journal= {arXiv preprint arXiv:2404.11422},
year = {2024}
}
备注
23 pages, 11 figures, 6 tables, Technical Report