来源：期刊VIP网 时间：
作者：师洪涛;李希彬;丁茂生;高峰;李艺萱;杨静玲;
单位：北方民族大学电气信息工程学院;
摘要：采用传统误差修正算法可以提升深度学习的时序预测能力，但在正负误差特性挖掘及预测模型自适应修正方面尚待进一步研究。针对上述问题，该文提出一种基于自适应误差修正的EGRU-AM短期风电功率预测方法。首先，提出并建立考虑正负误差的评价指标IMAE，进而提出自适应误差反馈修正算法，其通过量化历史正负误差的影响，能够自适应的反馈修正GRU门控结构，降低误差异常值出现的概率；更进一步的，利用历史误差的分布规律构建注意力机制自适应律，以实现对权值计算过程的自适应修正，从而提升注意力机制赋值过程的合理性。经过评价指标的综合衡量和自适应机制的系列模型修正，能够有效突出误差对预测过程和模型性能评估的影响。算例验证表明，该文所提的预测模型与评价指标可进一步挖掘误差信息，提升预测模型的学习能力，进而有效提高风电功率预测精度。
关键词：风电预测;自适应误差修正机制;变分模态分解;注意力机制;门控循环单元
基金资助：国家自然科学基金(52067001); 宁夏自然科学基金(2022AAC03281)
