基于IWOA-BiLSTM-MHSA神经网络的超短期风电功率预测
简介：为提高超短期风电功率预测精度,从超参数寻优与模型优化两个角度出发,提出一种改进鲸鱼优化算法结合多头注意力机制的双向长短期记忆神经网络模型.首先,在双向长短期记忆神经网络的基础上引入时序多头自注意力机制,用于捕捉时序中更长距离的依赖关系,增加模型的表征和泛化能力;其次,采用改进的鲸鱼优化算法对模型超参数进行寻优,提出自适应参数和阈值策略,增强算法的全局搜索能力和局部搜索速率;最后,基于新疆某地区风电场的实测数据展开算例分析.与多种传统机器学习和深度学习预测模型相比,所提模型具有更高的预测精度,特别是在数据集1中的MAPE相较LSTM、BP、RNN、GRU、BiLSTM模型分别降低了4.892%、7.722%、6.196%、3.864%、2.159%.展开
关键词：双向长短时期记忆网络多头自注意力机制风电功率预测改进鲸鱼优化算法
在线出版日期：2025-08-01 （网站首发日期）
