本申请属于一种预测方法,针对目前采用Transformer模型进行时间序列预测时,存在同步多维变量的耦合嵌入限制了异步时空关系的表达,同步多维变量耦合解码限制了异步时空特征的学习的技术问题,提供一种光伏发电功率预测方法及相关装置,获取历史光伏发电功率时间序列,分别进行值嵌入、位置嵌入和时间嵌入,对值嵌入结果、位置嵌入结果和时间嵌入结果相加,得到总嵌入结果,再对总嵌入结果做向量增强注意力处理,得到注意力增强结果,最后,对所述注意力增强结果进行时空交叉聚合,得到预测结果。
背景技术
光伏发电作为一种可持续、清洁的能源技术,已经被广泛应用于全球的能源供应中。然而,由于光伏发电依赖于气象条件(如太阳辐射、温度、风速等)而具有显著的随机性和波动性,这使得光伏发电功率的准确预测成为一个复杂而重要的研究问题。在实际应用中,电网管理者和光伏电站运营商需要高精度的功率预测模型,以实现电力的平衡调度和稳定供给,减少备用容量的需求以及运营成本。
当前,时间序列预测方法被广泛用于光伏发电功率预测,尤其是基于Transformer(转换器)的模型,由于其在处理长序列数据和捕捉时空特征方面的优越性,已成为一种主流选择。然而,在光伏发电场景下,这类模型在捕捉复杂的异步时空关系和缓解偶然波动方面仍然存在以下两方面的局限性:
(1)同步多维变量的耦合嵌入限制了异步时空关系的表达。
(2)同步多维变量耦合解码限制了异步时空特征的学习。
实现思路