用于光伏功率预测的跨变量线性集成增强Transformer
机器学习
2024-06-07 v1 人工智能
应用统计
摘要
光伏(PV)功率预测在优化光伏系统运行和规划中起着关键作用，从而实现高效的能源管理和并网。然而，由于天气条件波动和不同变量之间复杂的相互作用带来的不确定性，给精确的光伏功率预测带来了重大挑战。在本研究中，我们提出了PV-CliEnt（用于光伏功率预测的跨变量线性集成增强Transformer）来应对这些挑战并提高光伏功率预测的准确性。PV-CliEnt采用增强Transformer模块来捕捉光伏系统中各种特征的复杂相互作用，并利用线性模块学习光伏功率的趋势信息。与传统的基于时间序列的Transformer模型使用跨时间注意力来学习不同时间步之间的依赖关系不同，增强Transformer模块集成了跨变量注意力来捕捉光伏功率与天气因素之间的依赖关系。此外，PV-CliEnt通过用投影层替换解码器模块来简化嵌入和位置编码层。在三个真实光伏功率数据集上的实验结果证实了PV-CliEnt在光伏功率预测中的最先进(SOTA)性能。具体而言，在金刚站，PV-CliEnt在MSE指标上超过第二名模型GRU 5.3%，在准确率指标上超过0.9%。同样，在新青年站，PV-CliEnt在MSE指标上超过第二名模型SVR 10.1%，在准确率指标上超过0.2%；在红星站，PV-CliEnt相比第二名模型SVR表现出优越性能，MSE指标提升3.4%，准确率指标提升0.9%。
引用
@article{arxiv.2406.03808,
title = {Cross-variable Linear Integrated ENhanced Transformer for Photovoltaic power forecasting},
author = {Jiaxin Gao and Qinglong Cao and Yuntian Chen and Dongxiao Zhang},
journal= {arXiv preprint arXiv:2406.03808},
year = {2024}
}