2DXformer：用于风力发电预测的双变换器及其双外生变量

精准的风力发电预测有助于制定科学的调度计划，对维护电力系统的安全性、稳定性以及高效运行具有重要意义。近年来，基于深度学习的风力发电预测方法主要关注从数据中提取时空相关性，显著提高了预测准确性。然而，这些方法存在两个局限性：首先，缺乏对变量之间关系的建模，限制了预测精度；其次，将内生变量和外生变量等同对待，导致内生变量和外生变量之间产生不必要的相互作用，增加了模型的复杂性。本文提出了2DXformer模型，该模型在前期工作关注时空相关性的基础上，解决了上述两个局限性。具体而言，我们将模型的输入分为三类：外生静态变量、外生动态变量和内生变量。首先，我们以通道独立的方式将这些变量嵌入为变量标记。随后，我们使用注意力机制捕获外生变量之间的相关性。最后，我们采用带残差连接的多层感知机来建模外生变量对内生变量的影响。在两个真实世界的大规模数据集上的实验结果表明，所提出的2DXformer能够进一步提高风力发电预测的性能。代码已 disponible in 本存储库：https://github.com/jseaj/2DXformer。