%0 Journal Article %A 李晋国 %A 田英杰 %A 温蜜 %A 张浩田 %T 数据驱动的时间注意力卷积风电功率预测模型 %D 2022 %R 10.19912/j.0254-0096.tynxb.2021-0453 %J 太阳能学报 %P 167-176 %V 43 %N 10 %X 由于风电受气象特征影响大,风能波动性和间歇性强,导致快速、精准的风电预测成为一个难题。对此,该文提出一种基于数据驱动的时间注意力卷积网络的风电功率预测方法。首先,将来自风力机和数据采集(SCADA)系统的数据进行清洗;然后采用可并行计算的时间卷积网络,并加入Attention机制突出关键特征的影响,使模型训练速度和预测精度得到有效提升。实验结果表明,该文所提方法与其他方法相比可更准确地减少数据噪声,同时有更高的预测精度和更快的训练速度。 %U https://www.tynxb.org.cn/CN/10.19912/j.0254-0096.tynxb.2021-0453