使用经验小波分解与改进网格聚类的Informer光伏发电预测混合模型  

Informer Hybrid Model for PV Power Forecasting Using Empirical Wavelet Decomposition with Improved Grid Clustering

作　　者：王松青 

机构地区：[1]上海理工大学光电信息与计算机学院,上海

出　　处：《软件工程与应用》2025年第1期46-62,共17页Software Engineering and Applications

摘　　要：随着可再生能源的快速发展,光伏发电在电力系统中占据了重要地位。然而,由于光伏发电的功率输出受天气条件影响较大,具有显著的间歇性和随机性,导致预测难度较高。为了提高光伏发电功率的预测精度,本文提出了一种基于改进的Informer模型与天气数据相结合的混合预测方法。首先,收集并预处理光伏发电相关数据,包括光伏历史功率数据与关键气象因素(如温度、辐照度、湿度等)。其次,通过引入经验小波变换对数据进行模态分解处理气象数据。然后,利用基于网格划分的聚类方法(Grid-Based Clustering, GBC)改进局部敏感哈希(Locality Sensitive Hashing, LSH),之后使用该方法对informer模型进行改进。在本文中,尝试结合GBC来选择查询向量中的几个关键向量,改进informer模型中的对查询向量的筛选,从而提高模型预测的准确性。最后使用模拟退火优化算法对超参数进行优化选择,通过真实数据集的实验验证,与Informer相比,数据的MSE,MAE,RMSE和分别提高了47.42%、43.37%、27.50%和6.54%。综上所述,所提出的混合模型在预测精度、拟合度等方面均能够实现有效的提高。研究表明,该模型能够为光伏发电的运行调度和电网稳定性提供更加可靠的支持。With the rapid development of renewable energy, photovoltaic (PV) power generation occupies an important position in the power system. However, the power output of PV power generation is highly affected by weather conditions with significant intermittency and randomness, which leads to high prediction difficulty. In order to improve the prediction accuracy of PV power, this paper proposes a hybrid prediction method based on the combination of the improved Informer model and weather data. Firstly, PV power related data are collected and pre-processed, including PV historical power data and key meteorological factors (e.g. temperature, irradiance, humidity, etc.). Second, the meteorological da

关 键 词：INFORMER 光伏发电预测 经验小波变换 模拟退火优化算法 基于网格的聚类方法 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]