准确的秒级风速实时预测能够提高风电机组的运行状况和控制品质,为电网做出最优调度决策提供辅助信息.目前风速实时预测时间分辨率通常为分钟级,且在小数据集的情况下模型泛化能力弱.文章以时间分辨率为5s的风速序列为研究对象,提出了基于多任务学习的风速实时预测方法.该方法结合了变分模态分解方法和长短期记忆神经网络.首先,通过变分模态将风速序列分解为一系列信号;然后,建立多任务学习的共享层,使用长短期记忆神经网络提取各分解信号中的共享参数,深度挖掘分享子序列预测任务间的信息;最后,建立多任务学习的特定任务层,借助多个LSTM并行预测分解后的风速子序列,并将多个预测结果叠加得到风速实时预测结果.算例结果表明:所提多任务学习模型在10步、5步预测中的均方根误差总体均值分别为0.80 m/s和0.71 m/s,与经过变分模态分解和未经过变分模态分解的单任务模型预测相比,所提模型均方根误差总体均值在10步预测中分别降低了35.5％和39.8％,在5步预测中分别降低了24.5％和45.8％.