基于VMD和改进BiLSTM的短期风电功率预测

打开文本图片集

摘 要：精准的短期风电功率预测对电力系统稳定运行至关重要。为提高短期预测精确度，提出一种基于变分模态分解（VMD）-样本熵（SE）和利用注意力（attention）机制改进双向长短期记忆网络（BiLSTM）以及误差修正的组合预测模型。首先，采用VMD将原始功率数据分解为若干个相对平稳的子序列，重构样本熵值相似分量以降低复杂性；然后，引入Attention对BiLSTM 的隐含层状态输出分配相应的权重以突出重要影响的输入特征，同时采用极限梯度提升（XGBoost）对误差进行修正，从而进一步提高预测精确度；最后，将初步预测值和修正预测值相加得到最终结果。（剩余11314字）