基于渐进式分解架构的风电时间序列预测

作     者：丁浩 周成杰 车超 赵天明 周守亮 DING Hao;ZHOU Cheng-Jie;CHE Chao;ZHAO Tian-Ming;ZHOU Shou-Liang

作者机构：大连大学软件工程学院先进设计与智能计算省部共建教育部重点实验室大连116622 大连理工大学计算机科学与技术学院社会计算与认知智能教育部重点实验室大连116081 大连大学经济管理学院(旅游学院)大连116622 

基　　金：国家自然科学基金面上项目(62076045) 辽宁省教育厅揭榜挂帅服务地方项目(LJKFZ20220290) 大连大学学科交叉项目(DLUXK-2023-YB-003,DLUXK-2023-YB-009,DLUXK-2022-ZD-003) 高等学校学科创新引智计划(D23006) 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2024年第33卷第7期

页      码：112-120页

摘      要：准确预测风电机组各项指标对准确管控机组和调控电网的供需有着重要意义.预测指标任务可抽象为风电时间序列预测任务.目前时间序列预测模型主要采用深度学习模型,但是风电时间序列具有较强的波动性和随机性,导致绝大部分模型不能较好挖掘风电时间序列的复杂演化特性.为解决上述问题,提出了一种基于渐进式分解架构的风电时间序列预测方法,该方法首先应用神经网络池化分解方法将复杂的依赖关系简化并应用注意力机制学习长期趋势,然后运用多变量融合捕捉模块增强了网络整体的多变量关联挖掘能力,最后,融合趋势项和周期项对风电时间序列做出准确的预测.实验结果表明,该方法在风电时间序列的多步预测中均方误差相比基线模型至高可提升24%,在多尺度预测长度下表现出预测性能稳定提升的同时,计算效率显著优于同类模型.

主 题 词：多变量时间序列预测 神经网络 attention机制 时间序列分解 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 0807[工学-电子信息类] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.15888/j.cnki.csa.009561

馆 藏 号：203128380...