计算机应用

作者：胡健鹏, 张立臣

单位：广东工业大学 计算机学院，广州 510006

关键词：风功率预测,时空网络,图注意力网络,样本卷积和交互网络,门控循环单元,时间序列

基金：国家自然科学基金资助项目(61873068)

准确的风功率预测能为风电能源行业提供可靠的指导和决策依据，然而传统的建模方法主要是将风功率预测问题转换为时序预测问题，忽略了机组间的空间信息，因此，提出一种面向多时间步风功率预测的深度时空网络模型。该模型采用编码器-解码器架构设计，首先，编码器根据历史功率信息建图，并使用图注意力网络（GAT）提取融合风场空间信息的机组特征；其次，使用门控循环单元（GRU）提取输入数据中的时间特性，从而得到关于该机组的风能时间特征；最后，在解码器融合编码器输出的时空特征后，使用样本卷积和交互网络（SCINet）融合不同时间尺度分辨率下的时空特征，输出未来多时间步风功率的预测值。在WindFarm1数据集上的实验结果表明，在预测步数为72时，所提模型的绝对平均误差（MAE）低至42.38，相较于双向门控循环单元（Bi-GRU）的MAE下降了4.25%；所提模型的均方根误差（RMSE）低至42.71，相较于Autoformer的RMSE下降了8.70%。而在WindFarm2数据集上的泛化性实验结果表明，所提模型在不同风场中具备适用性，为未来风功率的准确预测提供了一种新的途径。

来源：2025年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第1期