基于IWOA-ITransformer-LSTM的风电功率短期预测

刘海涛; 周泽楠; 杜伟业; 黄子晔; 孙倩; 许伦

doi:10.26963/j.psce.2026.05013

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于IWOA-ITransformer-LSTM的风电功率短期预测

清洁能源 | 更新时间：2026-06-28

- 基于IWOA-ITransformer-LSTM的风电功率短期预测
- 基于IWOA-ITransformer-LSTM的风电功率短期预测
- 电网与清洁能源 2026年42卷第5期页码：104-113
- 作者机构：
  
  1. 智能技术与装备协同创新中心
  2. 南京工程学院
- 作者简介：
- 基金信息：
  
  江苏省高校自然科学研究重大项目(22KJA47000)~~
- DOI：10.26963/j.psce.2026.05013
  中图分类号： TM614;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
刘海涛, 周泽楠, 杜伟业, 等. 基于IWOA-ITransformer-LSTM的风电功率短期预测[J]. 电网与清洁能源, 2026,42(5):104-113.

刘海涛, 周泽楠, 杜伟业, et al. 基于IWOA-ITransformer-LSTM的风电功率短期预测[J]. 2026, 42(5): 104-113.
刘海涛, 周泽楠, 杜伟业, 等. 基于IWOA-ITransformer-LSTM的风电功率短期预测[J]. 电网与清洁能源, 2026,42(5):104-113. DOI： 10.26963/j.psce.2026.05013.

刘海涛, 周泽楠, 杜伟业, et al. 基于IWOA-ITransformer-LSTM的风电功率短期预测[J]. 2026, 42(5): 104-113. DOI： 10.26963/j.psce.2026.05013.

摘要

风电功率数据具有高度的随机性和非线性特征，给预测模型的构建带来了巨大的挑战。为此，提出了一种基于改进的鲸鱼优化算法（improved whale optimization algorithm

IWOA）、改进的Transformer(improved transformer

ITransformer)和长短时记忆（long short-term memory

LSTM）神经网络的混合模型，以实现对风电功率的高精度短期预测。首先，IWOA用于优化ITransformer模型的超参数，增强了模型的性能；接着，通过ITransformer模块自注意力机制有效地捕捉了风电功率数据中的长时依赖性特征，并将这些特征传递给LSTM模型以进一步捕捉数据中的短期动态变化；最后，仿真结果验证了所提出方法的有效性和优越性。

Abstract

关键词

Keywords

references

Zhewei Huang,Yawen Yi.Short-Term Load Forecasting for Regional Smart Energy Systems Based on Two-Stage Feature Extraction and Hybrid Inverted Transformer[J].Sustainability,2024.

Islam Saidul,Elmekki Hanae,Elsebai Ahmed,Bentahar Jamal,Drawel Nagat,Rjoub Gaith,Pedrycz Witold.A comprehensive survey on applications of transformers for deep learning tasks[J].Expert Systems With Applications,2024.

Zhang, Dewang,Chen, Zhigeng,Zhou, Yu.Wind Power Interval Prediction Based on Improved Whale Optimization Algorithm and Fast Learning Network[J].Journal of Electrical Engineering & Technology,2022.

Kisvari Adam,Lin Zi,Liu Xiaolei.Wind power forecasting – A data-driven method along with gated recurrent neural network[J].Renewable Energy,2021.

Shahram Hanifi,Xiaolei Liu,Zi Lin,Saeid Lotfian.A Critical Review of Wind Power Forecasting Methods—Past, Present and Future[J].Energies,2020.

毕鑫印,何山.基于PLO-SVMD与CNN-BiGRU-ATT的直流微电网故障诊断方法[J].高压电器,2025(11).

陈智梁,魏苗,胡新源,杨永波,马志军,马仲坤.计及绿电交易的风光—梯级混合抽蓄系统多目标调峰优化控制[J].高压电器,2025(11).

陈志勇,杜江.基于多分解策略和BO-LSTM的变压器油中溶解气体预测方法[J].高压电器,2025(09).

刘子剑,杨硕,王霁雪,赵艺婷,周瑀涵,张金霞.我国风光新能源发展形势展望[J].中国煤炭,2025(07).

严佳丽,任必兴,陈思媛,崔明建,陈春宇.考虑热带气旋下爬坡致因的风电功率爬坡直接预测[J].高压电器,2025(05).

陈然,程钊,贺兰菲,周蠡,蔡杰,何峰,许小薇,张晓佳.基于改进LSTM-CTC的电网绿色基建档案智能识别方法[J].高压电器,2025(05).

朱夏,陈颂,袁明瀚,刘扬洋.基于CNN-LSTM风光荷预测的主动配电网双层扩展规划方法[J].高压电器,2025(05).

刘刚,张芳影,李晓峰,刘双硕,李笑竹.提升新能源场站调节能力的储能优化配置策略[J].电力电容器与无功补偿,2025(02).

徐焕,夏凡,陈铈,赵青尧,魏晓燕,梅子薇.基于GCN-LSTM的电力系统暂态电压稳定评估[J].高压电器,2025(01).

刘硕,吴旭,马速良,李成新.基于模型预测控制的光-氢-储耦合系统的功率优化分配方法研究[J].高压电器,2024(07).

张帆,姚德臣,姚圣卓,杨建伟,王琰亮,魏明辉,胡忠硕.基于Transformer-LSTM网络的轴承寿命预测[J].振动与冲击,2024(06).

陈元峰,马溪原,程凯,包涛,陈炎森,周长城.基于气象特征量选取与SVM模型参数优化的新能源超短期功率预测[J].太阳能学报,2023(12).

骆钊,吴谕侯,朱家祥,赵伟杰,王钢,沈鑫.基于多尺度时间序列块自编码Transformer神经网络模型的风电超短期功率预测[J].电网技术,2023(09).

王佳惠,牛玉广,陈玥,李雄威.计及火电深度调峰的高比例可再生能源电力系统日前优化调度研究[J].太阳能学报,2023(01).

赵泽妮,云斯宁,贾凌云,史加荣,贺宁,杨柳.基于统计模型的短期风能预测方法研究进展[J].太阳能学报,2022(11).

周建新,霍彤明.基于小生境技术的改进鲸鱼优化算法[J].仪表技术与传感器,2022(07).

王延峰,廖荣航,梁恩豪,孙军伟.基于围攻机制的改进鲸鱼优化算法[J].控制与决策,2023(10).

栗然,马涛,张潇,回旭,刘英培,尹晓钢.基于卷积长短期记忆神经网络的短期风功率预测[J].太阳能学报,2021(06).

邹才能,何东博,贾成业,熊波,赵群,潘松圻.世界能源转型内涵、路径及其对碳中和的意义[J].石油学报,2021(02).

刘启斌,尹温硕,胡卫华,陶顺.基于LSTM算法的电力谐波监测数据预测[J].电力电容器与无功补偿,2019(05).

孙堃,赵萌萌,沈美娜,刘达,陈广娟.基于CEEMD和模糊熵的随机森林风力发电功率预测[J].智慧电力,2019(10).

曹俊波,周任军,邓学华,范文帅,刘利黎,孙嘉赣.考虑优化ARIMA模型差分次数的风功率预测[J].电力系统及其自动化学报,2019(01).

符杨,郑紫宸,时帅,米阳,刘栋.考虑气象相似性与数值天气预报修正的海上风功率预测[J].电网技术,2019(04).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进莱维蛇优化的主动配电网孤岛划分方法

多时间尺度下配微一体化双层级协同优化调度方法

考虑责任系数动态排放因子的园区多能流碳排放测算方法研究

碳排放流导向的综合能源系统电碳协同优化研究

基于BAS-BP模型的光伏并网短期负荷预测方法