基于双图结构的时空图卷积网络短期风电功率预测模型

摘要

针对传统风电功率预测方法忽略时空特征交互的问题，提出一种融合双图结构与注意力机制的时空图卷积网络模型（spatial-temporal graph convolutional network with attention, STGCN-A）。基于最大信息系数构建相关性矩阵，形成基于统计相关性的空间图，结合欧氏距离构建地理邻近性空间图，实现风电机组间的双图建模；采用图卷积网络（graph convolutional network, GCN）提取空间特征，结合门控循环单元（gated recurrent unit, GRU）深度挖掘时间依赖关系，引入注意力机制（attention mechanism, AM）对时间步进行动态加权，以增强时空特征中关键信息的表示能力。在实际风电数据集中开展对比试验，结果表明，该模型在均方根误差E_RMS、平均绝对误差E_MA和决定系数R²评价指标上优于传统方法，表现出较高的预测精度，具有较好的实际应用潜力。

关键词

风电功率 / 图卷积网络 / 门控循环单元 / 注意力机制 / 最大信息系数