基于INGO_BiLSTM_SA的短期风电功率预测

来源：电子测量技术杂志2026年第7期北京时间：

作者：王海亮，李敏，刘亚翃，郝海霞

单位：1.中北大学信息中心 太原 030051; 2.中北大学后勤管理部 太原 030051; 3.中北大学信息与通信工程学院 太原 030051

摘要：为提高短期风电功率预测精度，提出了一种融合单头注意力机制(SA)的双向长短期记忆网络(BiLSTM)和改进的北方苍鹰算法(INGO)调参的风电功率预测模型(INGO_BiLSTM_SA)。首先对风电数据进行预处理，采用Pearson相关系数法计算各因素和风电功率的相关程度，保留相关程度较高的因素，以提高模型预测精度；其次引入单头注意力机制，用于捕捉时序中的长程依赖关系，增加模型的泛化能力；最后针对BiLSTM超参数选择困难的问题，采用融合折射反向学习初始化和正余弦策略的改进的北方苍鹰算法对模型中的隐藏单元数目、最大训练周期和初始学习率3个超参数进行寻优，得到最优参数后利用INGO_BiLSTM_SA模型进行预测。通过新疆某风电站的数据进行实验验证，得到所提模型较原始的BiLSTM网络的决定系数提高了2.08%，均方根误差和平均绝对误差分别降低了23.0%和24.8%。

关键词：改进北方苍鹰算法;BiLSTM;单头注意力机制;短期风电功率预测

基金资助：山西省科技成果转化引导专项(202404021301029)资助