基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测

张玉敏; 张津玮; 吉兴全; 孟祥剑; 叶平峰; 温迪

doi:10.19421/j.cnki.1006-6357.2026.06.003

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测

特别策划 | 更新时间：2026-06-12

- 基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测
- 基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测
- 供用电 2026年43卷第6期页码：26-40
- 作者机构：
  
  1. 山东科技大学电气与自动化工程学院
  2. 衢州学院电气与信息工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（62403288,52177095）;中国博士后面上资助项目（2023M734092）;山东省自然科学基金资助项目（ZR2022ME219,ZR2023QE181）~~
- DOI：10.19421/j.cnki.1006-6357.2026.06.003
  中图分类号： TM614;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
张玉敏, 张津玮, 吉兴全, 等. 基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测[J]. 供用电, 2026,43(6):26-40.

张玉敏, 张津玮, 吉兴全, et al. 基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测[J]. 2026, 43(6): 26-40.
张玉敏, 张津玮, 吉兴全, 等. 基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测[J]. 供用电, 2026,43(6):26-40. DOI： 10.19421/j.cnki.1006-6357.2026.06.003.

张玉敏, 张津玮, 吉兴全, et al. 基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测[J]. 2026, 43(6): 26-40. DOI： 10.19421/j.cnki.1006-6357.2026.06.003.

摘要

针对极端天气条件下短期风电功率预测中面临的样本不足、波动性强和局部特征提取能力不足的问题，提出一种结合时序生成对抗网络（time generative adversarial network

TimeGAN）、基于局部加权回归的季节与趋势分解（seasonal trend decomposition using loess

STL）-变分模态分解（variational mode decomposition

VMD）与差分注意力机制iTransformer(differential attention improved-iTransformer

DA-iTransformer)的极端天气短期风电功率组合预测方法。首先，针对极端天气下数据稀缺的问题，通过TimeGAN进行样本扩充，在有限的历史数据基础上生成风电功率序列样本。其次，运用STL分解方法，将原始序列分解成趋势分量、季节分量和残差分量，剥离出数据中的周期性特征；并运用排列熵优化VMD分解的模态数，对STL残差分量进行二次分解，通过量化序列复杂度实现残差分量的自适应处理。再次，构建引入差分注意力机制的iTransformer预测模型，通过差分运算增强序列的局部特征提取能力，并通过维度逆转策略精准感知风速突变与实时功率的耦合关系。最后，采用中国东南某风电场数据进行验证，所提模型相较于基准模型均方根误差和平均绝对误差均有所下降，分别降低了49.9%和38.7%，显著提升了极端天气下短期风电功率预测的精度。

Abstract

关键词

Keywords

references

吉兴全,曾若梅,张玉敏,宋峰,孙鹏凯,赵国航.基于注意力机制的CNN-LSTM短期电价预测[J].电力系统保护与控制,2022(17).

李卓,叶林,戴斌华,於益军,罗雅迪,宋旭日.基于IDSCNN-AM-LSTM组合神经网络超短期风电功率预测方法[J].高电压技术,2022(06).

邵振国,张承圣,陈飞雄,谢雨寒.生成对抗网络及其在电力系统中的应用综述[J].中国电机工程学报,2023(03).

杨京渝,罗隆福,阳同光,彭丽,田飞扬.基于气象特征挖掘和改进深度学习模型的风电功率短期预测[J].电力自动化设备,2023(03).

刘雅婷,杨明,于一潇,李梦林,王勃.基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测[J].高电压技术,2023(07).

骆钊,吴谕侯,朱家祥,赵伟杰,王钢,沈鑫.基于多尺度时间序列块自编码Transformer神经网络模型的风电超短期功率预测[J].电网技术,2023(09).

常雨芳,杨子潇,潘风,唐杨,黄文聪.基于CEEMDAN-PE-WPD和多目标优化的超短期风电功率预测方法[J].电网技术,2023(12).

肖烈禧,张玉,周辉,赵冠皓.基于IAOA-VMD-LSTM的超短期风电功率预测[J].太阳能学报,2023(11).

李练兵,高国强,吴伟强,魏玉憧,卢盛欣,梁纪峰.考虑特征重组与改进Transformer的风电功率短期日前预测方法[J].电网技术,2024(04).

文博,陈芳芳,胡道波,罗银榕,张倩倩.基于完全集成经验模态分解和模糊熵分频的短期风电功率预测[J].科学技术与工程,2023(25).

胡宇晗,朱利鹏,李佳勇,李杨,曾杨,郑李梦千,帅智康.融合深度误差反馈学习和注意力机制的短期风电功率预测[J].电力系统保护与控制,2024(04).

蔡昌春,范靖浩,李源佳,何瑶瑶.基于TPA-MBLSTM模型的超短期风电功率预测[J].电力科学与技术学报,2024(01).

王永生,李海龙,关世杰,温彩凤,许志伟,高静.基于变换域分析和XGBoost算法的超短期风电功率预测模型[J].高电压技术,2024(09).

吉兴全,赵国航,叶平峰,孟祥剑,杨明,张玉敏.基于QMD-HBi GRU的短期光伏功率预测方法[J].高电压技术,2024(09).

周军,王渴心,王岩.融合迁移学习与CGAN的风电集群功率超短期预测[J].电力系统及其自动化学报,2024(05).

孟衡,张涛,王金,张晋源,李达,时光蕤.基于多尺度时空图卷积网络与Transformer融合的多节点短期电力负荷预测方法[J].电网技术,2024(10).

徐钽,谢开贵,王宇,胡博,邵常政,赵宇生.基于TCN-Wpsformer混合模型的超短期风电功率预测[J].电力自动化设备,2024(08).

郑颖颖,李鑫,陈延旭,赵永宁.基于Stacking多模型融合的极端天气短期风电功率预测方法[J].高电压技术,2024(09).

孟祥剑,石欣羽,张承慧,张玉敏,杨明.基于pix2pixHD图像修复的光伏电站秒级功率预测方法[J].高电压技术,2024(09).

张玉敏,孙猛,吉兴全,叶平峰,张晓峰.基于二次分解和ATT-CNN-LSTM-MLR组合模型的短期电价预测方法[J].智慧电力,2024(12).

卢雪平,董存,王铮,蒋建东,王勃,李宝聚.低温寒潮天气下的风电短期功率预测技术研究[J].电网技术,2024(12).

潘超,王超,孙惠,孟涛.基于超参数优化和误差修正的STAGN超短期风电功率预测[J].电力系统保护与控制,2025(08).

徐武,范鑫豪,沈智方,刘洋.多尺度特征提取的Transformer短期风电功率预测[J].太阳能学报,2025(02).

李宇佳,陈富豪,阎洁,葛畅,韩爽,刘永前.基于迁移学习和自编码器的极端天气自适应短期风电功率预测[J].电力系统自动化,2025(16).

李逸航,肖辉,易纯,龙飞宇.基于STL分解和TPA机制的光伏功率区间预测[J].太阳能学报,2024(12).

刘新宇,潘宇,王亚辉,李继方,杨文静.增强的超短期风电功率预测:一种PatchTST-POA-VMD-iTransformer混合模型[J].电力系统保护与控制,2025(19).

鄢仁武,吴慧敏,李培强.基于DT-KAN-iTransformer的超短期风电功率多步预测[J].智慧电力,2025(10).

黄冬梅,吴冰,时帅,李媛媛,宋巍,王晓亮.基于CEEMDAN-SAOA的平抑风电波动混合储能系统定容优化配置[J].电力系统保护与控制,2025(15).

王峰,姜通海,高宇,刘丽萍,张元赫.考虑多元气象特征动态聚类的短期风电功率预测[J].电网与清洁能源,2025(09).

吴兴扬,戴剑丰.基于多尺度自适应时空图卷积网络与BERT模型的多节点短期负荷预测[J].电网技术,2025(09).

潘美琪,贺兴.基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法[J].太阳能学报,2025(01).

吴金木,李剑,徐旭,幸进,朱轶群,杨玺.基于改进生成对抗网络场景生成的配电网多目标随机规划[J].高压电器,2025(05).

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

基于小波卷积神经网络的配电网互感器监测预测方法

基于计算机视觉模型的配电网单相接地故障区段免阈值智能定位方法

基于TCN-LSTM-SE神经网络的低压有源配电网电压控制方法研究

基于Wasserstein条件生成对抗网络的新能源出力场景生成方法

基于PCA-PNN-LVQ的电压跌落扰动源辨识方法