基于VMD-FFCM特征增强的iTransformer短期风速预测

摘要

针对风速特征难以有效捕捉和单一模型预测精度不高而导致的风速预测效果较差的问题，提出一种基于变分模态分解（Variational mode decomposition, VMD）和融合傅里叶卷积混合器（Fused Fourier convolution mixer, FFCM）特征增强机制的i Transformer短期风速预测方法。首先，采用VMD对风速数据在频域进行分解，得到多个不同中心频率的模态分量；然后，使用FFCM对分解后的各模态进行特征提取，从而在空间域和频域中捕捉风速的复杂特征；最后，利用i Transformer模型，进一步挖掘这些特征之间的时序联系，从时间序列中有效捕获风速数据的长期依赖关系。以北方某电场风电机组实测数据进行验证。相较于Informer等方法，所提方法的均方根误差至少降低22.7%，平均绝对误差至少降低16.6%。这表明该方法具有更高的预测精度。

关键词

短期风速预测 / iTransformer / 融合傅里叶卷积混合器 / 变分模态分解 / 特征增强