一种基于ICPO优化VMD耦合深度学习的风电功率预测方法

本发明公开了一种基于ICPO优化VMD耦合深度学习的风电功率预测方法，包括：1）采集包含风速、风向、气压、风电输出功率在内的多维数据集；2）构建VMD分解模型，利用预设的ICPO算法对VMD分解模型参数进行优化；3）利用优化后的VMD分解模型对风电功率数据进行分解，得到K个子分量，并依次与其余原始数据组成K个多维时序数据；4）将K个多维时序数据各自归一化并建立BiTCN‑BiLSTM‑Attention深度学习模型，利用预设的ICPO算法对BiTCN‑BiLSTM‑Attention深度学习模型超参数进行优化；5）利用优化后的IVMD‑ICPO‑BiTCN‑BiLSTM‑Attention深度学习模型对子分量进行预测，并将所有预测结果相加，得到风电功率预测值。本发明利用VMD分解平抑原始风电功率序列的波动特性以及ICPO优化深度学习模型超参数，具有更高的预测精度和更好的泛化性能。