使用经验小波分解与改进网格聚类的Informer光伏发电预测混合模型.pdfVIP

SoftwareEngineeringandApplications软件工程与应用,2025,14(1),46-62

PublishedOnlineFebruary2025inHans./journal/sea

/10.12677/sea.2025.141006

使用经验小波分解与改进网格聚类的Informer

光伏发电预测混合模型

王松青

上海理工大学光电信息与计算机学院，上海

收稿日期：2025年1月4日；录用日期：2025年2月14日；发布日期：2025年2月26日

摘要

随着可再生能源的快速发展，光伏发电在电力系统中占据了重要地位。然而，由于光伏发电的功率输出

受天气条件影响较大，具有显著的间歇性和随机性，导致预测难度较高。为了提高光伏发电功率的预测

精度，本文提出了一种基于改进的Informer模型与天气数据相结合的混合预测方法。首先，收集并预处

理光伏发电相关数据，包括光伏历史功率数据与关键气象因素(如温度、辐照度、湿度等)。其次，通过

引入经验小波变换对数据进行模态分解处理气象数据。然后，利用基于网格划分的聚类方法(Grid-Based

Clustering,GBC)改进局部敏感哈希(LocalitySensitiveHashing,LSH)，之后使用该方法对informer模

型进行改进。在本文中，尝试结合GBC来选择查询向量中的几个关键向量，改进informer模型中的对查

询向量的筛选，从而提高模型预测的准确性。最后使用模拟退火优化算法对超参数进行优化选择，通过

真实数据集的实验验证，与Informer相比，数据的MSE，MAE，RMSE和分别提高了47.42%、43.37%、

27.50%和6.54%。综上所述，所提出的混合模型在预测精度、拟合度等方面均能够实现有效的提高。研

究表明，该模型能够为光伏发电的运行调度和电网稳定性提供更加可靠的支持。

关键词

Informer，光伏发电预测，经验小波变换，模拟退火优化算法，基于网格的聚类方法

InformerHybridModelforPVPower

ForecastingUsingEmpiricalWavelet

DecompositionwithImprovedGrid

Clustering

SongqingWang

SchoolofOptical-ElectricalandComputerEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai

ththth

Received:Jan.4,2025;accepted:Feb.14,2025;published:Feb.26,2025

文章引用:王松青.使用经验小波分解与改进网格聚类的Informer光伏发电预测混合模型[J].软件工程与应用,2025,

14(1):46-62.DOI:10.12677/sea.2025.141006

王松青

Abstract

Withtherapiddevelopmentofrenewableenergy,photovoltaic(PV)powergenerationoccupiesanim-

portantpositioninthepowersystem.However,thepoweroutputofPVpowergenerationishighlyaf-

fect