ETRCN：用于轻量化光伏功率预测的ETALinear两级残差修正网络

摘要

针对现有光伏功率预测模型存在的精度不足、计算时间过长等问题，本文提出了ETRCN(ETALinear two-level residual correction network)，一种用于轻量化光伏功率预测的ETALinear两级残差修正网络.该方法首先利用一个参数冻结的一维卷积神经网络对原始数据进行趋势–残差分解，随后通过改进的轻量化时间注意力机制对特征权重进行计算，进而对原始特征进行缩放.将经过注意力机制处理后的趋势项与残差项加性融合得到初步预测值.接着，利用卷积门控单元对长序列残差进行一级修正，并使用多层感知机进行二级修正.最终，初步预测值与两步残差修正后的结果相加，得到最终的预测值.实验表明，ETRCN的均方根误差（Root mean squared error, RMSE）为82.54 kW，相比CNN–BiLSTM–AM降低约23.2%，相比LSTM(Long short-term memory, LSTM)降低约17.1%，相比GWO–GRU降低约22.6%，相比TCN–BiGRU降低约42.8%.在拟合度方面，ETRCN的R2达到0.922，比CNN–BiLSTM–AM提高约1.1%,LSTM提高约7.0%，比GWO-GRU提高约10.3%，比TCN–BiGRU提高约8.3%.此外，ETRCN参数量仅为17.68 K，较CNN–BiLSTM–AM、LSTM、TCN–BiGRU和GWO–GRU分别减少约98.0%、99.6%、99.7%和48.6%，单步预测时间也缩短至0.235 s，相较最慢的TCN–BiGRU加速约82.2%，较目前主流的光伏功率预测模型而言，在计算精度与计算效率方面具有显著优越性，具有一定的工程应用价值.

关键词

光伏功率预测 / 时间注意力机制 / Dlinear / 残差修正 / 卷积门控单元 / 多层感知机

基金资助

国家自然科学基金（62163036）; 云南省科技计划重大专项（202302AF080006）; 兴滇英才支持计划–产业创新人才专项（XDYCCYCX-2022-0010）