多尺度自适应时频交互协同风电集群功率预测OA

风电集群功率的高精度预测对保障高渗透率风电并网的安全稳定运行具有关键作用。针对现有预测模型难以有效解耦功率序列中跨尺度模式,如短期随机波动、日周期规律及长期季节趋势,且在极端天气下易出现滞后预测或过度平滑的问题,提出一种多尺度自适应时频交互协同预测模型。该方法基于输入序列谐波能量动态分配时域与频域模块权重,自适应处理周期性与非周期性混合模式;同时设计谐波分析引导的双分支动态跨域注意力机制,实现局部突变与全局周期特征的高效融合。此外,构建自适应谱分解模块,通过动态正则化项解耦趋势项与季节性项,避免传统固定分解窗口导致的趋势残留。实验表明,该模型显著提升了极端天气事件中风电功率突变场景的预测精度,相较于其他方法平均绝对误差降低5%以上,有效缓解了滞后与平滑问题,经场景泛化验证所提方法适用于各类风电场景的复杂时序预测任务。