仪器仪表学报

作者：魏 玮，吕 游，齐欣宇，刘吉臻，房 方

单位：魏 玮,1. 华北电力大学控制与计算机工程学院,,吕 游,1. 华北电力大学控制与计算机工程学院；2. 新能源电力系统国家重点实验室(华北电力大学),,齐欣宇,1. 华北电力大学控制与计算机工程学院,,刘吉臻,1. 华北电力大学控制与计算机工程学院；2. 新能源电力系统国家重点实验室(华北电力大学),,房 方,1. 华北电力大学控制与计算机工程学院；2. 新能源电力系统国家重点实验室(华北电力大学),

关键词：状态预测;卷积神经网络;长短时记忆网络;注意力机制;集成学习

基金：国家重点研发计划课题(2021YFB2601405)项目资助

针对电站负荷变化时风机状态预测模型精度降低的问题,提出一种基于卷积神经网络(CNN)、长短时记忆(LSTM)网络与注意力机制(AM)的动态集成状态预测方法。首先,利用CNN将样本数据划分为边界有重叠的不同类别,实现风机运行状态的软分类;其次,在传统的LSTM网络的中引入AM层,构造不同工况下的LSTM-AM子模型,并将CNN输出的软分类标签作为初始权值,使用遗传算法对权值偏置进行搜索寻优;最后,对各个子模型的输出值加权求和,得到风机不同运行状态下的集成预测值。实验结果表明,相较各个LSTM-AM子模型和单一LSTM-AM模型,本文提出的基于CNN-LSTM-AM的动态集成模型在电站风机变负荷运行时可以将预测结果的均方根误差分别减小11.5%和22.3%,说明此模型具有更好的鲁棒性和适用性。

来源：2023年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第4期