基于Auto-Informer模型的短期风电功率预测研究

摘要

准确的短期风电功率预测对于保障风力发电系统与电网的安全稳定运行具有重要意义。由于风速受季节变化、昼夜交替等因素的影响，风力的发电功率呈现出周期性变化的特点。因此，为了高效捕捉时间点之间的周期依赖关系，提出一种基于Auto-Informer模型的短期风电功率预测方法。该模型将自相关系数计算方法融入稀疏概率自注意力机制中，进而提升对相邻时间点之间周期依赖的捕捉能力，使模型能够更好地提取局部周期信息，同时增强模型的稳定度。在某地区的风电场数据基础上进行仿真验证，实验结果表明，与目前主流的预测模型相比，所提出的模型在预测不同短期序列时，均方误差、平均绝对误差均有所改善，短期预测风电功率的准确性得以提高。该结果验证了模型的有效性。

关键词

风电功率预测 / 长序列预测 / Informer模型 / 自注意力机制 / 自相关机制

基金资助

国家自然科学基金资助项目（62273146）