基于SHAP重要性排序和时空双流的多风场超短期功率预测

摘要

针对多风场风功率预测中时空特征提取不充分的问题，提出一种基于空间、时间双流特征提取的功率预测方法。采用沙普利加性解释(SHAP)方法分析原始高维数值天气预报(NWP)中各变量的重要性，选择贡献度高的变量子集作为预测模型输入，降低模型复杂度。构建基于自适应动态邻接矩阵的改进图注意力网络(IGAT)提取多风场的动态空间特征；同时将多头注意力机制(MHA)与时间卷积网络(TCN)结合，加强关键时序特征的学习。使用前馈神经网络输出多风场功率预测结果。以西北某十风场的数据进行案例研究，结果表明所提模型的预测效果优于其他模型。

关键词

多风场功率预测 / 变量选择 / 图注意力网络 / 多头注意力机制 / 时间卷积网络