基于组合模态分解与IGWO-BiLSTM的短期风电功率预测

来源：计算机测量与控制杂志2025年第9期北京时间：

作者：任爽,姚大学,刘俊享,程天祥

摘要：为解决风速不确定性和波动性造成风电功率预测精度不高的问题，提出一种基于组合模态分解(ICEEMDAN-VMD)、改进灰狼算法(IGWO)和双向长短期记忆神经网络(BiLSTM)的ICEEMDAN-VMD-IGWO-BiLSTM组合模型；首先，利用组合模态分解后的模态分量个数，有限避免了分解不充分；其次引入透镜成像反向学习、非线性收敛因子以及与柯西变异算法融合来改进灰狼算法，用于优化双向长短期记忆神经网络，然后对分解得到的各个子序列建立IGWO-BiLSTM预测模型，最后叠加每个子序列的预测值得到最终的预测值；将该模型用于实际风电功率预测，实验结果表明:ICEEMDAN-VMD-IGWO-BiLSTM组合模型的MAE、MSE、RMSE分别为4.9189MW、32.3683MW、5.6893MW；相较于CNN-LSTM、CNN-BiLSTM神经网络模型以及其他组合模型在预测精度上都有明显的提升，能很好的解决风电预测精度不高的问题。

关键词：短期风电功率预测;改进灰狼算法;分解技术;样本熵;双向长短期记忆神经网络