预测精度提升13.77%
针对海上风力涡轮机功率预测设计的深度学习模型，采用CNN-LSTM结合注意力机制，能够自动划分训练数据集并简化训练流程，有效提升预测精度。
Sun, Yu · Qibo, Zhou · Li, Sun · Liping, Sun · 康济川 · Li, He
Ocean Engineering 2024
与现有深度学习算法相比，该模型将功率预测精度最大提升了13.77%，直接提升发电计划与调度的可靠性。
采用时间步参数化方法，自动划分训练数据集，减少人工调参工作量，降低部署门槛。
通过变量控制敏感性分析确定最优传感器组合，可剔除冗余测点而不损失预测精度，降低硬件与运维成本。
研究指出齿轮箱高速轴轮毂端与后端温度对功率预测至关重要，指导后续传感器选型与布置。