基于CNN-LSTM-Attention的风电场集电线微气象区风速预测方法

本发明公开了一种基于CNN‑LSTM‑Attention的风电场集电线微气象区风速预测方法，适用于复杂气象条件下的高精度风速预测。技术方案包括：构建CNN模块提取风速数据的空间特征，利用LSTM模块捕捉时间序列的动态变化，引入Attention模块聚焦关键特征，减少噪声干扰，显著提升预测精度和稳定性。通过对比实验验证，该模型在均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)等指标上表现优异，具有更高的预测精度和稳定性，且计算量适中。本发明为风电场运行管理、电力调度和电网稳定性提供可靠支持，具有广阔的应用前景。