基于STL+-VMD-SSA-BiLSTM模型的风速预测研究

doi:10.16468/j.cnki.issn1004-0366.2025.03.016

	基于STL+-VMD-SSA-BiLSTM模型的风速预测研究
	敬程皓1,2 ; 黄恒君1,2
	2025-05-12
发表期刊	甘肃科学学报
期号	03 页码:125-131+147
摘要	准确预测风速对电网风险管理和资源优化至关重要,直接影响着电力市场的决策和运营效率。针对需求侧用电负荷的高维非线性和时变特征,提出了一种端到端可训练的多因素长序列风速预测模型。该模型采用季节趋势性函数将长期时间序列分解为趋势项、季节项和残差项,从而有效去除宏观趋势和周期性波动对预测结果的干扰。针对残差项的非线性波动性,引入了基于频谱约束和变分原理的变分模态分解方法,用以解构非线性波动模式并捕捉外生协变量的潜在非线性结构特征。在此基础上,为有效表征条件协变量之间的复杂交互关系,设计了基于双向交互更新机制的编码器-解码器深度学习框架。该框架通过将多层注意力机制与递归网络结合,不仅能够捕获时间序列中的长程依赖特性,还能动态学习协变量的交互模式,从而提升模型的预测能力和泛化性能。在真实风速负载数据集上的实验表明,所提模型在预测精度和稳定性方面显著优于传统方法和当前最先进的基线模型,验证了模型各模块设计的有效性及其实用价值。
关键词	双向长短期记忆网络机器学习加强局部加权回归的季节项-趋势分解麻雀算法
DOI	10.16468/j.cnki.issn1004-0366.2025.03.016
URL	查看原文
ISSN	1004-0366
语种	中文
原始文献类型	学术期刊
中图分类号	TP183 ; TM614
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/39156
专题	统计与数据科学学院
通讯作者	黄恒君
作者单位	1.兰州财经大学统计与数据科学学院; 2.甘肃省数字经济与社会计算科学重点实验室
第一作者单位	统计与数据科学学院
通讯作者单位	统计与数据科学学院
推荐引用方式 GB/T 7714	敬程皓,黄恒君. 基于STL+-VMD-SSA-BiLSTM模型的风速预测研究[J]. 甘肃科学学报,2025(03):125-131+147.
APA	敬程皓,&黄恒君.(2025).基于STL+-VMD-SSA-BiLSTM模型的风速预测研究.甘肃科学学报(03),125-131+147.
MLA	敬程皓,et al."基于STL+-VMD-SSA-BiLSTM模型的风速预测研究".甘肃科学学报 .03(2025):125-131+147.