基于自适应小波分解和改进Transformer的时空风电功率预测方法

本发明属于风电功率预测技术领域，具体是一种基于自适应小波分解和改进Transformer的时空风电功率预测方法。首先，获取目标风电场历史时期的风电功率序列以及影响风电功率的特征序列并进行预处理，计算各个特征序列与风电功率序列的相关性，保留与风电功率相关性高的特征序列，并对风电功率序列和保留的特征序列进行归一化处理；然后，提取风电功率序列和各个特征序列的频域特征；风电功率序列和各个特征序列的频域特征组成一个特征并对该特征进行周期性嵌入和空间嵌入，得到模型输入特征；最后，基于Transformer网络构建风电功率预测模型，包括U‑Net网络、逆傅里叶变换和预测层；将输入特征输入到U‑Net网络中进行特征提取，U‑Net网络的输出特征经过逆傅里叶变换后，再经过预测层，得到风电功率预测值。该方法解决了风电功率数据面临的高噪声、高波动性和非平稳性等问题，提高了预测精度。