風力発電の出力データに顕著な変動性とランダム性が存在し、単一モデルによる風力発電出力予測の精度が不十分である問題に対し、モーダル分解と組み合わせニューラルネットワークモデルに基づく超短期風力発電出力予測手法を提案した。まず、改良された完全統合経験モーダル分解とサンプルエントロピーに基づき風力データを処理し、非定常系列を比較的安定した部分系列に分解し、高周波振動成分と低周波安定成分を同期的に再構成した。次に、適応型スパース自己注意機構に基づく風力混合予測モデルを構築し、高周波振動成分の複雑さに対しては適応型スパースTransformerモデルを用いて主要な変動特徴を十分に抽出し、低周波安定成分に対しては双方向ゲート付き循環ユニットモデルを用いて系列特徴を十分に抽出した。最後に各成分の予測結果を合算し最終予測結果を得た。山東省のある風力発電所の実データを用いたテスト結果は、他の一般的なモデルと比較して提案モデルの二乗平均平方根誤差および平均絶対誤差がそれぞれ2.644 MWおよび2.420 MW減少し、決定係数が18.2%向上するなど良好な予測性能を示した。

モーダル分解;風力発電出力予測;サンプルエントロピー;適応型スパース自己注意機構