风电短期预测新SOTA
融合变分模态分解、卷积神经网络与门控循环单元，自动提取时空特征，显著提升风电功率短期预测精度。
Zeni, Zhao · 云斯宁 · Lingyun, Jia · Jiaxin, Guo · Yao, Meng · Ning, He · Xuejuan, Li · 史加荣 · Liu, Yang
Engineering Applications of Artificial Intelligence 2023
在与其他深度学习模型的对比中，VMD-CNN-GRU取得最低的RMSE、MAE、MAPE和最高的R²，预测最准确。
VMD将风速序列分解为较平稳的子序列，降低波动性，使后续模型更容易学习。
CNN自动提取风电数据中的复杂空间特征，GRU直接提取历史输入中的时间特征，两者互补。