Devido à volatilidade significativa e aleatoriedade nos dados de potência eólica, o que leva à precisão insuficiente das previsões com um único modelo, propõe-se um método de previsão de potência eólica de ultra-curto prazo baseado em decomposição modal e modelo combinado de rede neural. Primeiramente, os dados eólicos são processados com base em decomposição modal empírica totalmente integrada aprimorada e entropia amostral, decompondo a série não estacionária em sub-séries mais estacionárias, com reconstrução sincronizada dos componentes oscilatórios de alta frequência e componentes estáveis de baixa frequência. Em seguida, é construído um modelo de previsão híbrido de potência eólica baseado em um mecanismo adaptativo esparso de autoatenção; para os componentes oscilatórios de alta frequência com maior complexidade, é usado um modelo Transformer adaptativo esparso para explorar totalmente as características-chave das flutuações; para os componentes estáveis de baixa frequência, é utilizado um modelo de unidade recorrente com portões bidirecionais para extrair totalmente as características da série. Por fim, os resultados da previsão de cada componente são somados para obter o resultado final. Testado com dados reais de um parque eólico em Shandong, os resultados mostram que, em comparação com outros modelos comuns, o erro quadrático médio e o erro absoluto médio do modelo proposto diminuíram 2,644 MW e 2,420 MW, respectivamente, enquanto o coeficiente de determinação aumentou 18,2%, demonstrando bom desempenho preditivo.

Decomposição modal;previsão de potência eólica;entropia amostral;mecanismo adaptativo esparso de autoatenção