基于SSA优化的Transformer-BiGRU 短期风电功率预测

来源：电子测量技术杂志2025年第13期北京时间：

作者：包广斌，杨龙龙，范超林，李焕

单位：兰州理工大学计算机与通信学院 兰州 730050

摘要：为提高风电功率预测精度，提出了一种基于SSA优化的TransformerBiGRU组合模型。首先，采用CEEMDAN将原始序列分解为多个模态分量和残差分量，降低数据复杂性和不稳定性。然后，结合Transformer的自注意力机制与BiGRU的双向时序建模能力，构建了一个高效的组合模型。针对Transformer-BiGRU模型超参数优化困难的问题，引入SSA麻雀搜索算法对超参数进行优化，进一步提升预测精度。最后，以龙源电力风电预测数据集为例，通过对比实验和消融实验验证了该模型优于其他传统模型和模型中各组件的有效性，实验结果表明该方法的R2达到了0.981 0。

关键词：风电预测;麻雀搜索算法;自适应噪声完备经验模态分解;双向门控循坏单元;自注意力机制

基金资助：甘肃省自然科学基金(18JR3RA156)、兰州科技计划项目(2017-4-105)资助