基于特征重组与改进Informer-ARIMA的光伏功率短期组合预测方法

黄艳国; 刘春华; 张慧敏; 谭卢敏

doi:10.13624/j.cnki.issn.1001-7445.2025.1195

广西大学学报（自然科学版） ›› 2025, Vol. 50 ›› Issue (06) : 1195 -1208. DOI: 10.13624/j.cnki.issn.1001-7445.2025.1195

基于特征重组与改进Informer-ARIMA的光伏功率短期组合预测方法

黄艳国, 刘春华, 张慧敏, 谭卢敏

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对目前光伏功率短期预测方法精度低、运算慢等特点，提出一种基于特征重组与改进Informer-ARIMA的光伏功率短期组合预测方法。先利用完全自适应噪声集合经验模态分解(CEEMDAN)将光伏序列分解为若干个分量，经过特征重组得到特征分量和趋势分量，再分别输入改进Informer和差分自回归移动平均模型(ARIMA)中，叠加2个模型的输出值以得到预测结果。此外，提出双尺度概率稀疏化因果空洞注意力机制，在不显著降低训练速度的情况下增强数据特征挖掘能力，并且缓解异常数据造成特征偏差的问题，进一步提高了模型的预测精度。实验结果表明：与6种主流的预测模型相比，本文所提模型在3～5 d预测任务中预测效果较优，速度较快。