风电变频器功率的多网络融合可解释预测模型
罗威
武汉轻工大学 湖北武汉 430048
摘要：为应对"双碳"目标下风电高效智能运维需求,解决风电机组变频器输出功率因多变量时序特征引发的非线性强相关建模难题,文章提出一种融合CNN、LSTM与Transformer的可解释性预测模型.该模型利用CNN压缩输入维度并提取局部特征,通过LSTM挖掘时序依赖关系,借助Transformer多头注意力机制强化全局关联建模;同时引入SHAP方法,定量分析各输入变量对功率输出的影响以增强可解释性.基于真实风电SCADA数据的实验结果表明,该模型在SMAPE、MAE、RMSE等评估指标上均优于传统机器学习及单一深度学习方法;SHAP可视化进一步验证了模型对关键变量的有效识别能力.研究为风电场智能化管理与运维优化提供了可行方案及理论支撑.
关键词：风电变频器功率预测可解释性机器学习
论文发表日期：2026-01-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 172-176 )