融合风电动态特征与通道注意力的超短期风速混合预测

摘要

准确的风速预测对于保障电网的稳定性和提升运行效率至关重要。为了提高预测的准确性，提出一种融合风电动态特征与通道注意力的超短期风速预测混合模型。首先，考虑气象因素对风速变化的影响，融合气象数据的静态和动态特征构建特征矩阵，深入挖掘影响风速的关键潜在因素。然后，采用时变滤波经验模态分解对原始风速进行初步分解，随后应用变分模态分解对高频分量进一步分解，以降低数据的不稳定性并增强模型的可预测性。其次，为每个子序列分别构建双向长短期记忆网络预测模型，并引入高效通道注意力机制，以自适应地为多通道特征信息分配权重，使模型能够集中于关键特征信息，从而提高模型的预测精度。最后，通过综合各子模型输出得到最终的风速预测值。实例分析表明，所提模型具有较好的预测精度和鲁棒性。

关键词

风速预测 / 动态特征 / 时变滤波经验模态分解 / 变分模态分解 / 高效通道注意力

基金资助

河北省自然科学基金资助项目（F2016502093）