基于GAT-LSTM与动态图嵌入的海上风电资源多步预测研究

摘要

针对海上风电风速预测失准的问题，本研究提出动态图嵌入(DGE)-图注意力网络(GAT)-长短期记忆(LSTM)模型多步风速预测模型，设计GAT与LSTM网络串行的联合架构，与主流模型开展基准对比实验，并通过消融实验验证核心组件作用。实验结果表明：DGE-GAT-LSTM模型在1步、6步、24步风速预测中平均绝对误差(MAE)、均方根误差(RMSE)均为最优，相较于各步次次优模型分别降低0.79%、3.62%、1.22%和1.60%、3.56%、1.19%;预测精度与稳定性显著优于传统模型，残差结构、图注意力机制等核心组件的协同作用可有效增强模型时空耦合特征建模能力。本研究为海上风电分布式站点的精细化风速预测提供了高效的技术方案，为风场安全运维与精准调度提供了数据支撑。

关键词

动态图嵌入 / 图注意力网络-长短期记忆(GAT-LSTM) / 海上风电 / 多步预测