基于SSA-BiLSTM-AM的短期风电功率预测

作者：章志晃; 徐启峰; 林穿

来源：国外电子测量技术, 2023, 42(03): 46-51.

DOI：10.19652/j.cnki.femt.2204500

• 风电功率预测
• 麻雀搜索算法
• 双向长短时记忆
• 注意力机制

风电功率的准确预测可以有效地减少并网波动。现有的风电功率预测模型存在输入特征过多、超参数选择难、时序过长易丢失重要信息等问题。为此，提出了一种麻雀搜索算法(SSA)优化双向长短时记忆(BiLSTM)加注意力机制(AM)的短期风电功率融合预测模型。首先，SSA对BiLSTM神经网络的节点数、学习率和训练次数等超参数进行寻优，确认最佳参数；然后，引入AM对BiLSTM的输入特征分配不同权重，强化关键特征；最后，应用所提模型对新疆210 MW风电场的风电功率进行预测，并与其他模型的预测结果对比。结果表明，SSA-BiLSTM-AM预测模型的均方根误差(RMSE)为5.411 4、平均绝对误差(MAE)为3.674 9,显著优于其他模型的预测精度，证明了SSA优化算法和AM能够有效提高风电机组的短期功率预测精度。

• 出版日期2023
• 单位自动化学院; 福州大学