【光伏风电功率预测】基于 ICEEMDAN + MSCNN-BiGRU-Attention 的并行预测模型

1 引言：多尺度、多能源预测的痛点

在实际工程里，你现在面对的是这样一种典型场景：

• 多能源：同一区域内既有光伏电站，也有风电场；

• 多时间尺度：

  • 光伏功率受云运动影响，存在秒级/分钟级的高频波动与日尺度的强周期；

  • 风电功率受风速/风向/湍流度等影响，存在分钟级、中长期风带变化；

• 强非平稳：天气形势、机组状态、季节等不断变化，传统线性模型很难刻画。

如果直接对原始功率序列建模，即便是 LSTM、Transformer 等深度网络，也容易出现：

• 模式混叠：高频扰动和低频趋势“搅在一起”；

• 学习压力大：一个网络既要学高频细节又要学低频趋势，参数冗余、训练不稳；

• 多能源间共享信息有限：光伏和风电虽然存在互补性，但在建模时又常常被割裂。

为解决上述问题，这里设计一个两层融合、并行预测的框架：

ICEEMDAN + MSCNN-BiGRU-Attention 并行预测模型
——用 ICEEMDAN 做“信号层”的多尺度分解，用 MSCNN-BiGRU-Attention 做“特征层”的多尺度时序建模，并在光伏/风电、各本征模态