基于CGAN-Attention-BiLSTM的风电功率预测

张晓菲; 陈秋莲

doi:10.13624/j.cnki.issn.1001-7445.2026.0115

广西大学学报（自然科学版） ›› 2026, Vol. 51 ›› Issue (01) : 115 -127. DOI: 10.13624/j.cnki.issn.1001-7445.2026.0115

基于CGAN-Attention-BiLSTM的风电功率预测

张晓菲, 陈秋莲

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对风电功率预测中数据不足及时间序列复杂性问题，提出融合条件生成对抗增强与注意力双向长短期记忆网络的风电功率深度预测模型(CGAN-Attention-BiLSTM)。首先，构建条件生成对抗网络(CGAN)并引入气象因素、时间信息等条件生成更贴合实际场景的风电功率数据来扩充训练数据集，增强模型泛化能力；其次，采用双向LSTM网络对风电功率时间序列数据进行处理同时捕捉数据的前后依赖关系，在此基础上引入注意力机制自动分配不同时间步的权重，聚焦关键信息，提升模型对复杂模式的学习能力；最后，将CGAN增强后的数据输入带注意力机制的双向LSTM模型进行训练和预测。实际风电数据的实验结果表明，相比于现有模型，CGAN-Attention-BiLSTM具有更高的风电功率预测准确性和可靠性，可更好支撑电网实时调度与稳定性管理。