一种基于特征嵌入-transformer联邦学习的多场站风电功率预测方法

本发明涉及一种基于特征嵌入‑transformer联邦学习的多场站风电功率预测方法，所述方法包括以下步骤：步骤1：数据预处理，步骤2：特征嵌入Embedding，步骤3：构建transformer预测模型，步骤4，联邦学习联合训练。该方案引入动态特征嵌入算法，在特征输入模型之前，对当前特征进行特征嵌入计算，一方面解决不同场站的特征数据不一致问题，另一方面动态词嵌入算法的引入可以充分利用不同特征之间的相关关系。transformer可以直接捕捉任意两个位置之间的依赖关系，不受序列长度的影响，能够更好的处理时序数据的预测问题，另外transformer相对于lstm可以完全实现并行计算，从而大大提升了模型的计算效率。