短期预测准确率更高
该模型通过分层分解和优化双向LSTM参数，实现对风电场短期输出功率的更精准预测。
孙宏彬 · Qing, Cui · Jingya, Wen · Lei, Kou · 柯文德
Energy Reports 2024
CEEMDAN将原始风电功率分解为特征易提取的分量，再对各分量分别建立Bi-LSTM预测模型，叠加重构得到最终结果。
使用灰狼优化算法对Bi-LSTM模型的超参数进行自动优化，避免手动调参的繁琐与主观性。
采用双向LSTM结构，同时利用过去和未来的上下文信息提取时序特征，提高预测精度。