주의 기법과 CNN-BiGRU 결합을 기반으로 한 풍력의 초단기 예측 모델에 대한 연구

신재생 에너지 기술의 빠른 발전과 "DOUBLE CARBON" 목표 제안을 목표로 하여, 전력 산업에서 풍력 및 기타 새로운 지속 가능한 에너지 전력 솔루션의 비율은 계속 증가하여 더 중요한 위치를 차지하고 있습니다. 그러나 풍력 출력의 불안정성은 안전하고 안정적인 전력망 운영에 심각한 도전을 가져옵니다. 따라서 정확한 초단기 풍력 예측은 전력 시스템 운영을 안정시키는 데 큰 의미가 있습니다. 본 논문은 주의 기법에 기반한 ACNN-BiGRU 풍력 초단기 예측 모델을 제시하며, 이는 합성곱 신경망(CNN)과 양방향 gated recurrent unit(BiGRU)의 융합입니다. 이 모델은 단일 풍력 터빈을 예측 단위로 하여 풍력 발전소의 실시간 기상 데이터, 풍력 터빈의 역사적 전력 데이터 및 실시간 운영 데이터를 사용하여 병렬 훈련을 수행합니다. 그런 다음 CNN을 통해 입력 데이터의 주요 특성을 추출하고, BiGRU 네트워크를 사용하여 CNN에 의해 제안된 특성의 동적 변화에 대해 양방향 모델링 학습을 수행합니다. 또한, 주의 기법을 도입하여 매핑, 가중치 부여 및 학습 매개변수 행렬을 통해 BiGRU의 암시적 상태에 다양한 가중치를 부여하여 초단기 풍력 예측을 완료합니다. 마지막으로, 중국 북서부의 풍력 발전소의 실제 관측 데이터를 사용하여 제안된 모델의 실행 가능성과 효과성을 검증합니다. 이 모델은 풍력에 대한 초단기 고정밀 예측을 위한 새로운 아이디어와 방법을 제공합니다.