Transformer-GCAN预测模型

县域光伏日前功率预测

融合灰色关联图结构与时空注意力，提升县域分布式光伏日前功率预测精度。

Zhang P. · Bin, Zhang · Yin, Jinliang · 史洁

IEEE Transactions on Sustainable Energy 2025

参数信息

晴天 RMSE 降低幅度

11.90 %

多云天 RMSE 降低幅度

15.72 %

雨天 RMSE 降低幅度

19.61 %

技术优势

统一时空建模

用 Transformer 提取时间特征，用图注意力提取站点间空间特征，并通过全连接层融合，使整个县的预测共享全局时空信息。

站点图自动构建

采用灰色关联度衡量各光伏电站之间的相关性，依据分析结果确定图连接关系，无需人工指定网络拓扑。

恶劣天气提升更明显

相比 Transformer-GCN，雨天 RMSE 降低 19.61%，高于晴天的 11.90%，对天气波动大的场景鲁棒性更强。

应用场景

• 分布式光伏功率预测：为县域级分布式光伏提供更高精度的日前功率预测结果。
• 新能源场站调度：预测结果可直接用于场站次日发电计划制定。
• 光伏电站运维：通过异常天气下更准确的功率预测辅助运维决策。