针对光伏发电功率预测的LSTformer模型.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2024，60（9）317

⦾工程与应用⦾

针对光伏发电功率预测的LSTformer模型

1，211，2

刘世鹏，宁德军，马崛

1.中国科学院上海高等研究院，上海200120

2.中国科学院大学，北京100049

摘要：为了提高光伏发电功率预测精度，提出了一种基于长短期时序数据融合的Transformer生成式预测模型：

LSTformer，能准确有效地预测光伏发电功率。LSTformer创新性地提出了时序分析模块（timeseriesanalysis，

TSA）、时序特征融合模块（timeseriesfeaturefusion，TSFF）和多周期嵌入模块（cycleEmbed），利用数据融合解决难

以提取多时间尺度时序特征问题。设计时间卷积前馈（timeconvolutionfeedforward，TCNforward）单元，在编解码

的过程中进一步提取时序特征。利用某光伏电站实际历史发电数据，通过实验验证LSTformer模型在光伏发电功率

预测领域得到最低的均方误差（meansquarederror，MSE）、平均绝对误差（meanabsoluteerror，MAE），并通过消融

实验验证了各模块的有效性。

关键词：Transformer；长短期记忆网络；跳跃-门控循环单元；光伏发电功率预测；时序数据预测

文献标志码：A中图分类号：TP399doi：10.3778/j.issn.1002-8331.2301-0155

LSTformerModelforPhotovoltaicPowerPrediction

1，211，2

LIUShipeng,NINGDejun,MAJue

1.ShanghaiAdvancedResearchInstitute,ChineseAcademyofSciences,Shanghai200120,China

2.UniversityofChineseAcademyofSciences,Beijing100049,China

Abstract：Inordertoimprovethepredictionaccuracyofphotovoltaicpower,aTransformergenerationpredictionmodel

basedondatafusionisproposed：LSTformer,whichcanaccuratelyandeffectivelypredictshort-termphotovoltaicpower.

LSTformerproposesatimeseriesanalysis(TSA)module,atimeseriesfeaturefusion(TSFF)moduleandacycleEmbed

module.Itusesdatafusiontosolvetheproblemthatitisdifficulttoextractmultipletimeseriesfeatures.Thetimeconvo-

lutionfeedforward(TCNforward)unitisdesignedtofurtherextractthetimingcharacteristicsintheprocessofencoding

anddecoding.Usingtheactualhistoricalpowerdataofaphotovoltaicpowerstation,theLSTformermodelisverifiedto

havethelowestmeansquarederror(MSE)andmeanabsoluteerror(MAE)inthe