基于时序增强与周期分解的风电功率预测OA
精准的风电功率预测对新能源电力系统的安全运维至关重要.目前的风电功率预测方法存在时序信息利用瓶颈的问题,不能有效捕捉功率数据的时序特征与周期性关系.针对上述问题,本文提出了一种基于时序增强与周期分解的风电功率预测模型.首先,为实现对功率数据时序特征的有效捕捉,提出了跨域增广的方法,解决了时序耦合关联不明显的问题.然后,针对模型序列全局关注能力弱的问题,引入线性注意力来自适应融合多因素信息,增强模型对功率差异性的感知.再者,为解决复杂时间模式提取的问题,提出了自适应分解的方法,实现对功率数据非平稳性的多层次理解.最后,该类方法利用实际的风电功率数据集进行验证.实验结果显示,相比于现有的STOC和LSTNet类算法,本文所提出的模型具有更高的预测精度与有效性.
葛泉波;宋源;杨明鹏;李远禄;陈果
南京信息工程大学自动化学院,江苏南京210044 江苏大数据分析与智能系统省高校重点实验室,江苏南京210044 大气环境与装备技术协同创新中心,江苏南京210044南京信息工程大学自动化学院,江苏南京210044南京信息工程大学自动化学院,江苏南京210044 大气环境与装备技术协同创新中心,江苏南京210044南京信息工程大学自动化学院,江苏南京210044国电南京自动化有限公司,江苏南京211106
信息技术与安全科学
风电功率预测Transformer时序增强周期分解线性注意力
《控制理论与应用》 2026 (6)
P.1301-1310,10
江苏省青蓝工程项目(R2023Q07)浙江省自然科学基金项目(ZJMD25D050002)资助。
评论