多级时空注意力网络

预测误差降逾一成

基于神经常微分方程优化LSTM与TCN，结合注意力机制精细提取光伏序列时空信息。

Songtao, Huang · 周庆国 · Jun, Shen · Heng, Zhou · 雍宾宾

Energy 2024

参数信息

平均绝对误差

0.321

平均绝对误差

0.350

平均绝对误差

0.567

误差降低百分比

12.05 %

误差降低百分比

13.15 %

误差降低百分比

9.71 %

技术优势

误差降逾一成

MANODE在三个数据集上的平均绝对误差较现有最优方法分别降低12.05%、13.15%和9.71%。

细粒度时空提取

结合注意力机制，对光伏序列进行精细的时空信息提取。

应用场景

• 光伏功率预测：为光伏电站提供更准确的功率预测，减少调度偏差。
• 智能电网调度：提升电网调度中光伏出力预测精度，优化发电计划。
• 新能源功率预测：为新能源功率预测提供高精度模型，助力消纳可再生能源。