[发明专利]一种基于LSTM与Attention相结合的绿色能源预测方法

权利要求书

1.一种基于LSTM与Attention相结合的绿色能源预测方法，其特征在于，包括如下步骤：

步骤1、对收集到的太阳辐射量及风速时间序列进行预处理；

步骤2、针对滤波后的时间序列建立LSTM预测模型；

步骤3、在预测模型的基础上引入Attention机制；

步骤4、将预测后的太阳辐射量及风速转化为电能。

2.如权利要求1所述基于LSTM与Attention相结合的绿色能源预测方法，其特征在于，步骤1具体为：通过低阶多项式拟合指定窗口内的数据点，利用最小二乘法实现低阶多项式的参数估计，然后根据拟合函数算出拟合值代替真实值，通过卷积过程实现序列的平滑，即

假设x_t是绿色能源时间序列在时刻t下的一个长度为2m+1的子序列，具体结构如式所示：

x_t＝{x′_t-m,...,x′_t,...,x′_t+m}t∈[m+1,L_seq-m]

其中，L_seq示时间序列的总长度，建立低阶多项式来拟合这个子序列中的点，拟合多项式如式所示：

其中，a_i+m是拟合多项式的常数项，相应的p(x_t)的值对应子序列中的拟合函数的拟合值，小于2m+1，表示多项式的次数，通过最小二乘法实现拟合多项式参数的求解，最小二乘法要求所有拟合值和真实值残差之和的平方最小，所以有：

通过对上式求解得到拟合多项式的各个参数，进而实现对时间序列的平滑，平滑后的时间序列用X_t＝{x₁,...,x_t,...,x_T}来表示。

3.如权利要求1所述基于LSTM与Attention相结合的绿色能源预测方法，其特征在于，步骤2具体为：

每个LSTM有三个这样的门结构，来实现保护和控制信息，分别是遗忘门“forget gatelayer”；输入门“input gate layer”；输出门“output gate layer”，具体过程如下：

第1步：遗忘门——决定从“细胞状态”中丢弃什么信息；

f_t＝σ(W_f·[h_t-1,x_t])+b_f

第2步：输入门——决定放什么新信息到“细胞状态”；

i_t＝σ(W_i·[h_t-1,x_t])+b_i

第3步：更新“细胞状态”；

o_t＝σ(W_o·[h_t-1,x_t])+b_o)

第4步：输出门——基于“细胞状态”得到输出；

长记忆：

隐藏状态：h_t＝o_t*tanh(C_t)

其中，x_t为当前时刻的输入，h_t-1为上一时刻的输出，即隐藏状态或者短期记忆，f_t表示上一时刻在这一时刻保留记忆的概率值，表示当前时刻学习到的新记忆，i_t表示对当前时刻新记忆保留的概率值，o_t表示对所有记忆进行筛选的概率值，参数W_f,W_i,W_c,W_o,b_f,b_i,b_c,b_o,均通过训练所得。