基于AVMD-CNN-GRU-Attention的超短期风功率预测研究

作     者：任东方 马家庆 何志琴 吴钦木 Ren Dongfang;Ma Jiaqing;He Zhiqin;Wu Qinmu

作者机构：贵州大学电气工程学院贵阳550025 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第6期

页      面：436-443页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金(51867006) 贵州省科技厅(黔科合支撑一般442、一般264、一般096、一般179) 

主　　题：风功率 预测 变分模态分解 卷积神经网络 注意力机制 样本熵 

摘      要：为提高超短期风功率的预测精度,提出一种改进的基于变分模态分解的卷积神经网络(AVMD-CNN)、门控循环单元(GRU)和注意力机制(Attention)的超短期风功率预测模型。首先利用改进的VMD将风功率序列分解为K个子模态;然后将各子模态利用样本熵(SE)和中心频率进行分类,根据分类结果对各子模态分别给定归一化方式,并按SE值分别输入到GRU-Attention和CNN-GRU-Attention模型中进行训练和预测;最后将各子模态预测结果叠加得到最终结果,从而完成超短期风功率预测。以决定系数(R^(2))、平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE)为精度评估指标,实际算例表明,所提出模型的R^(2)较文中其他方法平均提高12.06%,MAE、RMSE以及MAPE分别平均降低59.36%、62.49%和48.34%,具有较高的预测精度。