基于时空感知图卷积注意力网络的超短期风电功率预测

摘要

针对风电机组集群超短期多步功率预测中空间相关性刻画不足、时间依赖关系建模能力有限等问题，提出了一种基于时空感知图卷积注意力网络的风电集群功率预测方法。该方法面向风电机组非规则空间分布特性，在空间信息提取模块中构建空间动态图卷积网络，并引入空间注意力机制对图邻接矩阵权重进行动态调整，从而自适应刻画不同运行工况下机组间的空间相关性；在时间信息提取模块中，设计时态感知自注意力机制，通过融合局部时间趋势信息与全局依赖关系，提高对功率波动特征的建模能力。在此基础上，构建时空协同预测框架，实现对风电机组集群超短期多步功率的联合预测。以河北省承德市某风电场33台风电机组的实际SCADA数据为算例，开展对比实验与消融分析。实验结果表明，所提模型在不同预测步长下均优于GRU、LSTM及传统Transformer等模型。研究结果验证了所提方法在挖掘风电机组集群时空关联特征方面的有效性，可为风电场运行调度提供技术支撑。

关键词

风功率预测 / 注意力机制 / 集群预测 / 图卷积网络 / Transformer模型 / 时空相关性