基于改进局部自注意力机制的VMD-GRU模型短期风电功率预测

摘要：

较高的随机波动性使得风电功率的预测十分困难.为改善风电功率预测的效果,建立了一种基于变分模态分解(variational mode decomposition,VMD)、改进局部自注意力机制(Improved Local Self-Attention,ILSA)和门控循环单元网络(gated recurrent unit,GRU)的短期风电功率预测方法.使用VMD分解将原始风电功率序列分解为中心频率不一的子模态;对各子模态的中心频率分别建立具有不同高斯偏置优化窗口大小的ILSA模型,并改进其注意力分数公式以更有效地提取信息;采用GRU模型进行风电功率预测,并对各预测序列进行重组,得到最终的预测结果.实验结果表明,相比于各传统模型,所提改进方法能有效提高风电功率预测精度,且对于低频分量有更高的拟合度.

关键词：风电功率预测、变分模态分解、自注意力机制、门控循环单元

所属期刊栏目：39

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金U1802271

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：83-92