原创力文档- 1、本文档共11页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
第18卷第3期电气工程学报Vol.18No.3
2023年9月JOURNALOFELECTRICALENGINEERINGSep.2023
DOI：10.11985/2023.03.038
基于改进MFO优化Attention-LSTM的超短期
风电功率预测*①
112
宋立业鞠亚东张鑫
(1.辽宁工程技术大学电气与控制工程学院葫芦岛125105；
2.()050051)
鲁能新能源集团有限公司河北分公司石家庄
摘要：针对风电功率的不确定性问题，提出一种基于改进飞蛾扑火算法(Moth-flameoptimization，MFO)优化注意力机制长短
(Attentionlongshort-termmemoryAttention-LSTM)
时神经网络，的风电功率超短期预测方法。首先利用自适应噪声完全集合经
验模态分解(Completeensembleempiricalmodedecompositionwithadaptivenoiseanalysis，CEEMDAN)将原始功率数据分解为
(IntrinsicmodefunctionsIMF)
多个模态分量，，以消除不同分量间的影响，再计算各个分量的样本熵，将样本熵近似的值合并，
以降低运算规模；然后，通过引入Chebyshev混沌映射、柯西变异、基于Sigmoid函数的惯性权值来对传统的飞蛾扑火算法
MFO(ParticleswarmoptimizationPSO)
进行改进，并将改进的飞蛾扑火算法与传统、粒子群算法，进行比较，证明其寻优能力
有了很大提升；最后，将Attention机制用于计算LSTM神经网络隐层状态的不同权重，利用改进飞蛾扑火优化算法优化
Attention-LSTM的超参数，分别对合并后的IMF分量进行建模，将各分量模型叠加得到最终功率预测曲线。对锦州某风电场
的功率实测数据进行仿真分析，结果表明，所提模型具有较高的预测精度，对实际工程具有一定的借鉴意义。
关键词：风电功率；Attention机制；混沌映射；柯西变异；改进MFO算法；LSTM
中图分类号：TM614
Ultra-short-termWindPowerPredictionBasedonImprovedMFO
OptimizedAttention-LSTM
SONGLiye1JUYadong1ZHANGXin2
(1.FacultyofElectricalandControlEngineering,LiaoningTechnicalUnive
文档评论（0）