基于注意力机制的VMD-BiLSTM风力发电预测

作者：邓文武; 丁咏梅

来源：应用数学进展, 2023, 12(1): 153-165.

DOI：10.12677/AAM.2023.121019

• 风力发电
• 注意力机制
• 变分模态分解
• 双向长短期记忆网络
• 超短期预测
• Wind Power
• Attention Mechanisms
• Variational Modal Decomposition
• Bidirectional Long Short-Term Memory Network
• Ultra-Short-Term Forecasting

针对风力发电数据噪音多、波动大等特点，本文提出了基于注意机制的VMD-BiLSTM超短期风力发电预测模型。首先，对数据进行变分模态分解，降低序列的非平稳性和强非线性；其次，将各子模态固定在同一时间滑动窗口上，分别使用BiLSTM进行进一步的双向序列特征提取，然后引入注意机制，加强重要特征信息的影响，提高模型的最终预测效果。最后通过NREL网站的美国西南地区的发电数据集来进行验证，最终结果显示，无论是从预测的准确性还是评判指标方面，本文所提出的模型在风力发电预测上都优于其他5类模型。