文章摘要:风力发电预测在电力系统的运行中发挥着越来越重要的作用。但由于风速的复杂性和随机性，寻找风速与风电功率的非线性映射关系是困难的。针对这一挑战，提出了一种基于信号分解、双阶段注意力机制、误差修正策略和深度学习算法的短期风电预测模型。对原始特征序列和预测误差序列进行变分模态分解（VMD），利用基于两级注意力机制（Double-Attention）和编码解码架构（Encoder-Decoder）的长短时记忆神经网络模型（LSTM）以及使用误差分解预处理的误差修正（Error-Correction）模块，进行风电功率的预测。通过对比实验分析，所提出的预测模型的MAE指标比基准模型ARMA降低了约87%，比标准编解码结构的LSTM模型降低了约54%，在对比模型中具有最优的性能，同时变分模态分解得到的误差序列可以提高矫正的效果。

文章关键词:

论文DOI:10.19678/j.issn.1000-3428.0062059

论文分类号:TM614;TP183

上一篇：无线电电子学论文_基于自适应方向导数滤波器的

下一篇：无线电电子学论文_电子信息技术在计算机工程管