基于时间模式注意力机制的BiLSTM多风电机组超短期功率预测

作者：王渝红; 史云翔; 周旭; 曾琦^*; 方飚; 毕悦

来源：高电压技术, 2022, 48(05): 1884-1892.

DOI：10.13336/j.1003-6520.hve.20211561

• 超短期风电功率预测
• 多风电机组
• 时间模式注意力机制
• 双向长短时记忆
• 集合经验模态分解

针对现有预测方法难以批量处理多风机间不同特征的问题，提出了基于时间模式注意力(temporal pattern attention, TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先，基于集合经验模态分解(ensemble empirical mode decomposition, EEMD)获得风机原始功率信号的不同模态分量，以降低神经网络预测难度。其次，基于TPA机制，从Bi LSTM网络得到的隐藏行向量中提取多风机之间的复杂联系，从而使得具有不同特征的模态可以从不同时间步选择相关信息，进而降低各模态的预测误差。最后，将TPA机制与传统注意力机制应用于分散分布的14台风机区域功率预测任务。研究结果表明：基于本方法的多风电机组超短期功率预测的标准均方根误差仅为0.0546，证明TPA机制能有效提高多风电机组的超短期功率预测精度。

• 单位
  四川大学