一种基于MI-VMD-DA-EDLSTM-VEC的多维特征组合预测方法

摘要

本发明公开了一种基于MI‑VMD‑DA‑EDLSTM‑VEC的多维特征组合预测方法，包括，S1,对包括原始特征序列x(t)进行MI特征选择得到风电功率、风速和温度序列；S2,分别对风电功率、风速和温度序列进行VMD分解得到模态分量；S3,基于使用了双层注意力机制的编码解码模型DA‑EDLSTM对于VMD分解得到的模态分量进行模型训练和预测，得到初始预测序列通过得到原始预测误差e(t)；S4,对原始预测误差e(t)进行VMD分解预处理，使用单层LSTM模型进行再训练预测得到误差预测序列并对原始预测结果进行修正得到最终预测结果本发明提出了一种基于MI‑VMD‑DA‑EDLSTM‑VEC的多维特征组合预测方法，提升在风电等数据急剧变化的时候的决策能力，能更加准确预测峰值或低谷的情况，预测精度最优，并且具有较强的预测稳定性。