基于变分模态分解和双重注意力机制长短期记忆网络的短期光伏功率预测方法，旨在提升光伏发电功率预测的精度与稳定性。该方法首先利用变分模态分解技术将原始光伏功率序列分解为若干不同频率的子序列，以降低数据的非平稳性和噪声干扰。随后，构建包含时间注意力和特征注意力的双重注意力机制LSTM模型，对分解后的子序列分别进行预测。时间注意力用于捕捉序列中关键时间步的影响，特征注意力则动态分配输入特征的权重，增强模型对重要特征的关注。最终将各子序列的预测结果重构，得到光伏功率的短期预测值。实验表明，该方法能有效提取光伏功率的波动特征，预测精度优于传统单一模型。
基于vmd和双重注意力机制lstm的短期光伏功率预测（9页）下载大小：1.29MB
基于vmd和双重注意力机制lstm的短期光伏功率预测