基于VMD和双重注意力机制LSTM的短期光伏功率预测.pdf

第 45 卷 第 3 期 2021 年 2 月 10 日 Vol. 45 No. 3 Feb. 10,2021
DOI：10. 7500/AEPS20200226011
基于 VMD 和双重注意力机制 LSTM 的短期光伏功率预测
杨晶显 1，张 帅 1，刘继春 1，刘俊勇 1，向 月 1，韩晓言 2
（1. 四川大学电气工程学院，四川省成都市 610065；2. 国网四川省电力公司，四川省成都市 610041）
摘要：提出了一种基于变分模态分解（VMD）和双重注意力机制长短期记忆（LSTM）的短期光伏
功率预测方法。针对光伏功率信号的波动性和非平稳性，利用 VMD 将光伏功率输出分解为不同
频率的分量，使用 LSTM 对各分量进行预测，并在 LSTM 基础上引入特征和时序双重注意力机制。
为自主挖掘光伏功率输出与各气象特征之间的关联关系，避免传统方法依赖于专家经验关联规则
阈值的限制，引入特征注意力机制实时计算各气象特征量的贡献率，并对特征权重进行修正；同时，
为挖掘当前时刻光伏功率输出与历史时序信息之间的关联关系，引入时序注意力机制自主提取历
史关键时刻点信息，提高长时间序列预测效果的稳定性。基于中国西南某实际光伏发电站数据进
行预测实验，并与其他方法进行对比，验证了该方法的有效性。
关键词：光伏功率预测；变分模态分解；特征注意力机制；时间注意力机制；长短期记忆；数据
驱动
0 引言 有可能会影响其稳定性。对此，文献［7，21-22］利用
核主成分分析或关联规则挖掘光伏输出功率与相关
随着化石能源的耗尽及所带来的环境污染，新
参数之间的具体关联度，但是会造成信息丢失或存
能源发电在全球得到了大力的发展。光伏发电低成
在一定的主观性，而且在不同的天气情况下，输出功
本和零污染的特点，使其成为最有潜力的可再生能