基于特征分解与Bi-LSTM-Attention模型的风向预测

摘要

为便于精准控制风电机组的偏航角度、充分利用风能提高机组发电量，提出一种基于历史数据深度学习的风向超短期预测方法。首先利用变分模态分解将风向数据分解成多个子序列，考虑分解后的残差分量仍保留大量信号特征，进一步采用自适应噪声完备集合经验模态分解方法对残差分量进行二次分解。在此基础上，结合风速、环境温度等特征，利用具有注意力机制的双向长短期记忆网络对风向进行超短期预测。采用河北某风电场SCADA真实数据，对风向进行5 min的超短期预测实验，并与其他方法进行对比，结果表明所提方法具有更好的风向预测效果。

关键词

风向预测 / 变分模态分解 / CEEMDAN / 双向长短期记忆网络 / 注意力机制