基于TCN-ECANet-Informer的短期风电功率预测

周帅飞; 张万宏; 张妍

doi:10.13901/j.cnki.qhwxxbzk.2025.02.012

青海大学学报 ›› 2025, Vol. 43 ›› Issue (02) : 85 -91. DOI: 10.13901/j.cnki.qhwxxbzk.2025.02.012

基于TCN-ECANet-Informer的短期风电功率预测

周帅飞, 张万宏, 张妍

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对短期风电功率预测中不能捕捉局部、全局特征导致预测精度低的问题，提出一种基于TCN-ECANet与Informer的集成模型。首先，利用时域卷积网络(TCN)捕捉短期波动的局部依赖性，结合高效通道注意力网络(ECANet)动态调整特征权重，增强关键信息的提取并抑制冗余信息，增强TCN捕获的局部特征；然后，将原始数据与ECANet增强过的局部特征数据输入到Informer,以此提升模型在捕捉局部特征方面的能力，从而实现对局部、全局特征的全面捕捉；最后，采用多个模型进行对比实验。结果表明：TCN-ECANet-Informer模型相较于Informer模型，平均绝对误差与均方误差分别降低了5.23%和11.26%,决定系数达到了98.4%。这表明该模型提取到了数据的局部、全局特征，提高了短期风电功率预测精度。