基于双重注意力LSTM神经网络的可解释海上风电出力预测

海上风电面临复杂多变气象和海况条件的深度耦合影响,导致其出力预测精度有待提升.同时,预测模型的"黑盒"结构导致出力预测结果在工程应用中可信度偏低.针对上述问题,提出一种基于双重注意力长短期记忆(DALSTM)网络的超短期海上风电出力预测模型.在长短期记忆神经网络的基础上,引入特征空间和时序双重注意力机制,动态挖掘海上风电出力与输入特征间的潜在相关性,并从特征和时间2个方面获得重要性量度,在一定程度上实现了模型的可解释性.最后,基于中国东海大桥海上风电场数据采集与监控数据进行仿真验证.结果表明,所提DALSTM网络模型能够对海上风电出力进行有效的超短期预测,相比于传统预测模型具有更高的预测精度和稳定性,同时具有合理的可解释性.