В связи с значительной изменчивостью и случайностью данных мощности ветровой энергии, что приводит к недостаточной точности прогноза при использовании одной модели, предложен метод сверхкраткосрочного прогноза мощности ветровой энергии на основе модального разложения и комбинированной нейронной сети. Сначала на основе улучшенного полного интегрированного эмпирического модального разложения и энтропии выборки были обработаны данные ветровой энергии, нестационарные ряды были разложены на более стационарные подряды с синхронной реконструкцией высокочастотных колебаний и низкочастотных стационарных компонентов. Затем была построена смешанная модель прогноза ветровой энергии на основе адаптивного разреженного механизма самовнимания: для высокочастотных колебательных компонентов с высокой степенью сложности применялась адаптивная разреженная модель Transformer для полного выявления ключевых волатильных характеристик; для низкочастотных стационарных компонентов использовалась двунаправленная модель с управляемыми рекуррентными ячейками для полного извлечения особенностей ряда. В итоге результаты прогноза всех компонентов были суммированы для получения окончательного прогноза. На основе реальных данных ветровой электростанции в провинции Шаньдун проведено тестирование, результаты показали, что среднеквадратичная ошибка и средняя абсолютная ошибка предложенной модели снизились на 2.644 МВт и 2.420 МВт соответственно по сравнению с другими распространенными моделями, а коэффициент детерминации увеличился на 18,2%, демонстрируя хорошую прогнозную производительность.

Модальное разложение;прогноз мощности ветровой энергии;энтропия выборки;адаптивный разреженный механизм самовнимания