应用周期选择和变量交叉注意的光伏电力长时间序列预测.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(4):256−265

[doi:

10.15888/ki.csa.009826]

[CSTR:

32024.14.csa.009826]

©中国科学院软件研究所版权所有.Tel:

+86-10

应用周期选择和变量交叉注意的光伏电力长时间

序列预测①

周恒,

艾青,

张婧汇

(湖北民族大学

智能科学与工程学院,

恩施

445000)

通信作者:

艾青,

E-mail:

摘要:

准确的综合能源负荷预测是区域综合能源系统前期规划和后期按需协调运行的关键前提.

近期基于

Transformer的方法由于其优秀的全局建模能力,

在长序列预测方面显示了显著潜力.

然而,

Transformer中的排列不

变自注意力机制导致了时间信息丢失,

且忽视了多能源负荷预测中不同变量之间的关键依赖关系.

为解决上述挑

战,

本文提出了一种补丁与变量混合模型

(patch

and

variable

mixing

model,

PVMM)以实现准确多能源负荷预测.

PVMM

采用补丁嵌入技术,

将输入的多能源负荷序列转换为3D向量,

从而保留补丁的时间和变量信息.

其次,

本文

提出了基于深度可分离卷积的补丁混合模块

(patch

mixing

module,

PMM)建立时间依赖关系模型.

另外,

本文还提

出了变量动态投影注意力模块

(variable

dynamic

projection

attention

module,

VDP-AM)将查询

(Query)和数值

(Value)变量映射到更高维空间,

并通过自注意力机制处理多变量之间的相互作用.

最后,

本方法在亚利桑那州立大

学公开的在线系统数据集的预测精度和泛化能力均超越现有方法.

关键词:

综合能源系统;

多能源负荷预测;

深度可分离卷积;

注意力机制

引用格式:

周恒,艾青,张婧汇.应用周期选择和变量交叉注意的光伏电力长时间序列预测.计算机系统应用,2025,34(4):256–265.

http://www.c-s-a.

/1003-3254/9826.html

PhotovoltaicPowerLong-sequenceTimeSeriesForecastingviaPeriodSelectionandVariable

Cross-attention

ZHOU

Heng,

AI

Qing,

ZHANG

Jing-Hui

(College

of

Intelligent

Systems

Science

and

Engineering,

Hubei

Minzu

University,

Enshi

445000,

China)

Abstract:

Accurate

integrated

energy

load

forecasting

is

a

key

prerequisite

for

the

preliminary

planning

and

subsequent

on-demand

coordinated

operation

of

regional

integrated

energy

systems.

The

recent

Transformer-based

method

has

shown

significant

potential

in

long

sequence

forecasting

for

its

excellent

global

modeling

capabilities.

However,

the

permuta-

tionally

invariant

self-attention

mechanism

in

Transformer

leads

to

the

loss

of

temporal

information

and

ignores

the

key

dependencies

between

different

variables

in

multi-energ