基于信号分解与参数优化的超短期风电功率预测模型构建方法

本发明属于风电功率预测技术领域，且公开了基于信号分解与参数优化的超短期风电功率预测模型构建方法，具体步骤如下：S1：原始风电功率数据处理，采用自适应噪声完备集合经验模态分解算法(CEEMDAN)对原始风电功率数据进行分解。本发明通过构建融合双向门控循环单元(BiGRU)、双向时间卷积网络(BiTCN)、多头注意力机制(MHA)的混合模型，设计改进参数优化算法，在增强模型对风电功率短期波动特征捕捉能力同时，提升参数优化效率并有效避免了局部最优问题，有效改善了传统特征提取中存在的局限性，实现高精度、高效率的超短期风电功率预测，不仅为电力系统优化发电调度策略提供可靠依据，还可推广应用于风速预测、光伏发电预测等多元时序预测场景。