一种基于Temporal Fusion Transformer与EHO优化算法的风电功率预测方法

本发明设计了一种基于改进时序融合Transformer(ITFT)的风电功率预测方法。该方法采用Mamba模块替代传统LSTM编码器‑解码器结构，显著提升了长序列建模能力；设计风速预测网络(WFN)生成未来风速预测作为解码器辅助输入；应用改进的河马优化算法(EHO)进行超参数优化，融合混沌初始化、适应度‑距离平衡策略及混合变异机制。本发明解决了现有风电预测方法在精度、效率和可解释性方面的技术瓶颈。通过变量选择网络实现特征重要性量化分析，为电网调度提供可信决策依据。本发明适用于风电场短期功率预测，可显著提升可再生能源消纳能力。