基于VMD-AM-WGAN的超短期风电功率预测

简介

针对风电功率序列中存在噪声、影响风电功率的多个因素对超短期风电功率预测的影响程度不同以及原始生成对抗网络模型不收敛、不稳定等问题,提出了一种基于变分模态分解的生成对抗网络(VMD-AM-WGAN)模型。该模型由变分模态分解与注意力机制、长短期记忆神经网络结合作为生成器,卷积神经网络作为判别器;使用W距离作为生成器的目标函数,并用利普希茨连续条件对判别器进行限制,以提高模型稳定性。现场试验的预测结果表明,该模型提高了风电功率预测的精度,月平均准确率达到90%以上。