一种基于STL分解与多模型融合的潮流发电量预测方法

本发明公开了一种基于STL分解与多模型融合的潮流发电量预测方法，采用STL分解方法对历史发电量数据进行趋势项、季节项和残差项分解，并通过Bisquare权重函数和内循环迭代机制优化分解过程，增强了对异常值和高频波动的处理能力。使用TimesNet模型结合快速傅里叶变换FFT提取多尺度频域特征，进行趋势项和季节项的预测，对残差项采用Itransformer模型，结合自注意力机制和门控残差连接进行精确建模。筛选与潮流发电量相关的气象因素，结合历史运行数据进行预测，实现对潮流发电量的高精度预测。本发明有较强的适应性和鲁棒性，能够有效应对潮流发电数据中的多源影响和高频波动，提供准确且稳定的预测结果。