基于PatchTST-STL模型的光伏发电功率日前预测

陈嘉伦; 武晓圆; 马玉梅

doi:10.16543/j.2095-641x.electric.power.ict.2026.03.06

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于PatchTST-STL模型的光伏发电功率日前预测

人工智能 | 更新时间：2026-04-01

- 基于PatchTST-STL模型的光伏发电功率日前预测
- 基于PatchTST-STL模型的光伏发电功率日前预测
- 电力信息与通信技术 2026年24卷第3期页码：45-51
- 作者机构：
  
  1. 国网冀北电力有限公司怀安县供电分公司
  2. 华北电力大学控制与计算机工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(51677072)
- DOI：10.16543/j.2095-641x.electric.power.ict.2026.03.06
  中图分类号： TM615;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
陈嘉伦, 武晓圆, 马玉梅. 基于PatchTST-STL模型的光伏发电功率日前预测[J]. 电力信息与通信技术, 2026,24(3):45-51.

陈嘉伦, 武晓圆, 马玉梅. 基于PatchTST-STL模型的光伏发电功率日前预测[J]. 2026, 24(3): 45-51.
陈嘉伦, 武晓圆, 马玉梅. 基于PatchTST-STL模型的光伏发电功率日前预测[J]. 电力信息与通信技术, 2026,24(3):45-51. DOI： 10.16543/j.2095-641x.electric.power.ict.2026.03.06.

陈嘉伦, 武晓圆, 马玉梅. 基于PatchTST-STL模型的光伏发电功率日前预测[J]. 2026, 24(3): 45-51. DOI： 10.16543/j.2095-641x.electric.power.ict.2026.03.06.

摘要

光伏功率日前预测的准确性对电网的能源管理至关重要。针对光伏功率随机性及波动性大、预测精度不高的问题，文章提出一种基于PatchTST-STL模型的光伏发电功率日前预测方法。该方法通过引入时序块和季节趋势分解(seasonal and trend decomposition using loess

STL)改进Transformer的输入和架构，将每个时间步作为1个令牌(Token)改进为每个时序块(Patch)作为1个令牌，使得局部依赖关系被保留在1个令牌内，以提升局部模式捕捉能力，同时利用Transformer多头自注意力机制抽取序列长期依赖关系。考虑到光伏序列的模式复杂，采用STL对多变量光伏序列进行处理，分离出趋势、周期和残差部分，作为独立通道输入。使用灰狼优化算法(grey wolf optimizer

GWO)对模型超参数中时序块大小进行优化，以实现算法快速收敛。在澳大利亚沙漠知识太阳能中心数据集的实验结果表明，所提算法与Informer相比，平均绝对误差(mean absolute error

MAE)和均方根误差(root mean square error

RMSE)平均分别降低了36.7%和11.7%；与Transformer相比，MAE和RMSE平均分别降低了57.6%和30.9%。

Abstract

关键词

Keywords

references

Seyedali Mirjalili,Seyed Mohammad Mirjalili,Andrew Lewis.Grey Wolf Optimizer[J].Advances in Engineering Software,2014.

Utpal Kumar Das,Kok Soon Tey,Mehdi Seyedmahmoudian,Saad Mekhilef,Moh Yamani Idna Idris,Willem Van Deventer,Bend Horan,Alex Stojcevski.Forecasting of photovoltaic power generation and model optimization: A review[J].Renewable and Sustainable Energy Reviews,2018.

Abdul Ghafoor,Anjum Munir.Design and economics analysis of an off-grid PV system for household electrification[J].Renewable and Sustainable Energy Reviews,2015.

赖昌伟,黎静华,陈博,黄玉金,韦善阳.光伏发电出力预测技术研究综述[J].电工技术学报,2019(06).

侯伟,肖健,牛利勇.基于灰色理论的光伏发电系统出力预测方法[J].电气技术,2016(04).

谢从珍,王江储,谢心昊,刘智健,白剑锋.基于细粒度特征的BOA-GBDT光伏出力预测[J].电网技术,2020(02).

汪鸿,朱正甲,陈建华,赵冬雪,黄天啸.基于人工智能技术与物理方法结合的新能源功率预测研究[J].高电压技术,2023(S1).

冯沛儒,江桂芬,徐加银,叶剑桥,李生虎.基于CEEMD-BiLSTM-RFR的短期光伏功率预测[J].科学技术与工程,2024(05).

姜建国,杨效岩,毕洪波.基于VMD-FE-CNN-BiLSTM的短期光伏发电功率预测[J].太阳能学报,2024(07).

陈庆明,廖鸿飞,孙颖楷,曾亚森.基于GWO-GRU的光伏发电功率预测[J].太阳能学报,2024(07).

田润,谢华北,庄富豪,吴红梅.光伏出力预测方法综述[J].电工技术,2024(10).

陈璨,苏紫诺,马原,刘佳林,王玉庆,王飞.基于分层关联性建模的分布式光伏功率超短期概率预测[J].中国电力,2024(12).

邹港,赵斌,罗强,梁告,王力.基于PCA-VMD-MVO-SVM的短期光伏输出功率预测方法[J].电力科学与技术学报,2024(05).

秦宇,许野,王鑫鹏,王涛,李薇.基于改进FCM-LSTM的光伏出力短期预测研究[J].太阳能学报,2024(08).

陈庆斌,杨耿煌,耿丽清,苏娟,孙京生.基于相似日选取和数据重构的短期光伏功率组合预测方法[J].中国电力,2024(12).

张泽,赵西贝,赵成勇.储能变流器主导构网的大规模光伏经LCC送出方案[J].中国电机工程学报,2025(15).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于TransGAIN的电力系统虚假数据恢复算法

基于地基云图分析的光伏功率预测系统设计

基于LEA-LSTM的光伏发电功率短期预测方法

电动汽车充电负荷场景化分析与超短期预测方法