基于 LSTM-KAN 的超短期风功率预测方法研究
DOI: http://dx.doi.org/10.12349/tie.v2i2.6184
Article ID: 6184
摘要
风电功率预测对电网稳定运行至关重要，但其波动性和非线性特征增加了预测难度。本文提出一种基于LSTM（长短期记忆网络）与KAN（Kernel Attention Network）相结合的超短期功率预测方法。通过收集风电场历史功率、风速、轮毂高度、经纬度及ERA5气象数据，进行预处理与特征提取。LSTM捕捉时间序列的长期依赖关系，KAN增强对关键时间点的注意力。设计混合损失函数平衡局部与整体预测性能，提升模型稳定性与泛化能力。实验表明，LSTM-KAN算法在预测精度上显著优于传统方法，为风电超短期功率预测提供了新方案。
关键词
LSTM；KAN算法；注意力机制；神经网络；混合损失函数
参考
朱鹏成,于国帅,等.超短期风力发电量预测技术及其比较分析[J].电力设备管理,2024.10:110-112.
韩朋,张晓琳,等.基于AM-LSTM模型的超短期风电功率预测[J].科学技术与工程,2020,20(21):8595-8599.
杨茂,白玉莹.基于多位置 NWP 和门控循环单元的风电功率超短期预测 [J].电力系统自动化,2021,45(1):177-180.
管霖,赵琦,周保荣,等 . 基于多尺度聚类分析的光伏功率特性建模及预测应用[J].电力系统自动化,2018,42(15):24-30.
李永刚,王月,等.基于 Stacking 融合的短期风速预测组合模型[J].电网技术, 2020,44(8):2875-2877.
朱乔木,李弘毅,王子琪,等 . 基于长短期记忆网络的风电场发电功率超短期预测[J].电网技术,2017,41(12):3797-3802.
陈海文,王守相,王绍敏,等 . 基于门控循环单元网络与模型融合的负荷聚合体预测方法[J]. 电力系统自动化,2019,43(1): 65-74
张晓燕,向勉,等.基于MLP-BiLSTM-TCN组合的超短期风电功率预测[J].湖北民族大学学报(自然科学版),
符杨,任子旭,等.基于改进 LSTM-TCN 模型的海上风电超短期功率预测[J].中国电机工程学报,2022,42(12):4293-4300
蔡昌春,范靖浩,等.基于TPA-MBLSTM 模型的超短期风电功率预测[J].电力科学与技术学报,2024,39(1):48-55.a XGBoost模型预测结果b LightGBM模型预测结果c LSTM模型预测结果d LSTM-KAN模型预测结果图 2 各模型预测结果图
Refbacks
- 当前没有refback。
版权所有（c）2025 王 立峰, 周 蕾, 袁 月, 李 中原, 孙 浩宇
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。
