基于二次分解和TCN-ECA-BiGRU的超短期风电功率预测方法

本发明属于风电功率预测领域，本发明考虑风电功率具有较强的波动性和随机性，提出了基于二次分解和TCN‑ECA‑BiGRU的超短期风电功率预测方法。首先，构建基于改进完全集合经验模态分解、样本熵、K‑means聚类以及变分模态分解的二次模态分解框架，自适应选择复杂度较高的分量进行二次分解，削弱原始序列的波动性和随机性。然后，在时间卷积网络的基础上，引入高效通道注意力模块(ECA)，以挖掘各分量间的耦合关系，并自适应赋予各分量权重以突出重要信息，使用双向门控循环单元进一步捕捉各分量的长期时序依赖关系，从而有效提升超短期风电功率的预测效果。