基于Info-LSTM模型的风电功率多步预测研究

刘亿子; 吴志煌; 张凡; 孙明昊; 徐伟; 宫铭举

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于Info-LSTM模型的风电功率多步预测研究

更新时间：2026-05-19

- 基于Info-LSTM模型的风电功率多步预测研究
- Vol. 31, Issue 5, Pages: 36-43(2026)
- 作者机构：
  
  1. 天津理工大学集成电路科学与工程学院
  2. 海域海岛环境科技研究院(天津)有限公司
- 作者简介：
- 基金信息：
- DOI：
  CLC： TM614;TP18
- Published：2026
- 稿件说明：
移动端阅览
刘亿子, 吴志煌, 张凡, et al. 基于Info-LSTM模型的风电功率多步预测研究[J]. 2026, 31(5): 36-43.
DOI：

刘亿子, 吴志煌, 张凡, et al. 基于Info-LSTM模型的风电功率多步预测研究[J]. 2026, 31(5): 36-43. DOI：

摘要

风电功率的高波动性和复杂性使预测模型的准确性面临诸多挑战。为了提高风电功率预测模型的准确性，提出一种基于Informer和LSTM的多步预测模型——Info-LSTM模型。新模型在Informer架构的Encoder部分加入了深层LSTM提取时间序列特征，并使用自注意力机制增强特征间依赖关系，简化Decoder部分，最终通过LSTM层提取特征并用于预测输出。实验基于实际风电场功率数据，设置24h和48h的多步预测场景及消融实验，并与Informer、LSTM 、CNN 、RNN 、GRU五种主流模型进行对比。结果表明，Info-LSTM在平均绝对百分比误差（MAPE）、均方根误差（RMSE）和决定系数（R

）三项指标上均优于对比模型。其中，相比Informer模型，Info-LSTM模型在MAPE指标上降低了约5.2%，较LSTM模型下降约6.3%；且Info-LSTM模型在R

指标上比Informer-CNN、Informer-RNN、Informer-GRU分别高出0.021、0.044、0.043，验证了该模型的准确性和有效性。

Abstract

关键词

Keywords

references

刘涵.基于神经网络的飞机地面空调能耗预测[D].中国民航大学,2024(08).

李国栋,徐明扬.基于KCR-Informer的长期风电功率预测研究[J].电力信息与通信技术,2024(04).

王家乐,张耀,林帆,周一丹,孙乾皓.基于自注意力特征提取的光伏功率组合概率预测[J].太阳能学报,2024(12).

万毅斐,张德艺,王晨浩.基于CNN-Informer模型的中长期风电功率预测方法[J].现代计算机,2024(24).

李超峰,原升耀,王灵梅,王贺贤,贾成真,刘玉山,常馨元.基于Informer的风电场超短期功率预测[J].山西大学学报(自然科学版),2024(06).

岳健,史秉帅,范寒,张克,张海龙.基于多级特征提取框架的风电机组载荷预测方法[J].太阳能学报,2024(12).

孙旭,刘界廷.基于空间相关和Informer网络的风电功率预测方法[J].电脑知识与技术,2024(25).

黄铝文,刘宇航,屈昆仪,朱玉颖.LSTM与Informer融合预测冠层区域温度[J].农业工程学报,2025(08).

周帅飞,张万宏,张妍.基于TCN-ECANet-Informer的短期风电功率预测[J].青海大学学报,2025(02).

杨宏,孟令蛟,张铁峰.基于Auto-Informer模型的短期风电功率预测研究[J].电力科学与工程,2025(03).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于MI-CNN-RF模型的压裂措施井增产能力研究

南海东部深水油气勘探开发现状及发展建议

电催化二氧化碳还原制备乙烯专利技术分析

PSA装置吸附剂的失活与热氮再生

绿色能源合作中的英国与欧盟关系演进研究

Related Author

No data

Related Institution

No data

AI问答

⁰