用于风电功率预测的时空注意力网络
机器学习
2019-11-14 v2
摘要
风电是最重要的可再生能源之一，准确的风电功率预测对可靠且经济的电力系统运行与控制策略意义重大。本文提出一种基于时空注意力网络（STAN）的风电功率预测新框架。该模型捕捉风电场间的空间相关性及风电功率时间序列的时间依赖性。首先，我们采用多头自注意力机制提取风电场间的空间相关性；随后，通过带全局注意力机制的Sequence-to-Sequence（Seq2Seq）模型捕捉时间依赖性。最后，实验结果表明我们的模型优于其他基线方法。我们的工作为捕捉非欧几里得空间相关性提供了有益见解。
引用
@article{arxiv.1909.07369,
title = {Spatiotemporal Attention Networks for Wind Power Forecasting},
author = {Xingbo Fu and Feng Gao and Jiang Wu and Xinyu Wei and Fangwei Duan},
journal= {arXiv preprint arXiv:1909.07369},
year = {2019}
}
备注
ICDM 2019 Workshop - DeepSpatial2019