差分进化优化的风电功率混合预测模型

摘要

针对风速波动性大和随机性强导致风电功率预测精度不高的问题，构建一种融合变分模态分解、卷积循环神经网络和注意力机制的混合预测模型。根据数值天气预报和测风塔实测数据采用皮尔逊相关系数筛选出与风电功率强相关性的特征；通过变分模态分解将原始序列分解成不同频率的模态分量，利用差分进化算法进行参数优化，寻找最优模态数；然后将其输入到卷积循环神经网络中。通过引入注意力机制，进一步捕获序列中的潜在关键信息，实现风电功率的精准预测。实验分析及对比结果表明，该模型在风电功率预测中有着更高的预测精度，基本满足实际风电功率的预测要求。

关键词

风电功率预测 / 变分模态分解 / 卷积循环神经网络 / 注意力机制 / 差分进化算法

基金资助

湖北省自然科学基金项目(2022CFB449); 湖北省教育厅科技项目(B2020061)