基于改进MFO优化Attention-LSTM的超短期风电功率预测*

作者：宋立业; 鞠亚东^*; 张鑫

来源：电气工程学报, 2023, 18(03): 358-368.

• 风电功率
• Attention机制
• 混沌映射
• 柯西变异
• 改进MFO算法
• LSTM

针对风电功率的不确定性问题，提出一种基于改进飞蛾扑火算法(Moth-flame optimization,MFO)优化注意力机制长短时神经网络(Attention long short-term memory,Attention-LSTM)的风电功率超短期预测方法。首先利用自适应噪声完全集合经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise analysis,CEEMDAN)将原始功率数据分解为多个模态分量(Intrinsic mode functions,IMF)，以消除不同分量间的影响，再计算各个分量的样本熵，将样本熵近似的值合并，以降低运算规模；然后，通过引入Chebyshev混沌映射、柯西变异、基于Sigmoid函数的惯性权值来对传统的飞蛾扑火算法进行改进，并将改进的飞蛾扑火算法与传统MFO、粒子群算法(Particle swarm optimization,PSO)进行比较，证明其寻优能力有了很大提升；最后，将Attention机制用于计算LSTM神经网络隐层状态的不同权重，利用改进飞蛾扑火优化算法优化Attention-LSTM的超参数，分别对合并后的IMF分量进行建模，将各分量模型叠加得到最终功率预测曲线。对锦州某风电场的功率实测数据进行仿真分析，结果表明，所提模型具有较高的预测精度，对实际工程具有一定的借鉴意义。

• 单位
  辽宁工程技术大学