MATNet：基于多级融合 Transformer 的日前光伏出力预测模型
机器学习
2026-05-29 v3 人工智能
信号处理
摘要
可再生能源发电的准确预测对促进可再生能源并入电力系统至关重要。针对光伏（PV）机组，预测方法可分为基于物理与基于数据两类策略，其中基于人工智能（AI）的模型提供了最先进的性能。然而，这些 AI 模型虽能捕捉数据中复杂模式与关系，却忽略了现象背后的物理先验知识。因此，本文提出 MATNet，一种基于 Transformer 的新型多模态架构，用于多步日前光伏发电预测。该模型通过多级联合融合方法输入历史 PV 数据及历史与预报气象数据，并在多个融合阶段采用软注意力机制。我们在 Ausgrid 基准数据集上评估 MATNet 的有效性，其显著优于多种基线模型，RMSE 达 0.0445，相较最佳基线方法相对提升约 65%。进一步通过全面的消融研究、缺失数据敏感性分析（凸显 MATNet 对输入退化的韧性）、五个外部 PV 数据集上的跨站点零样本泛化评估（证明其在显著域偏移下的鲁棒性）以及模型计算复杂度评估（确认其在预测精度与计算效率间的良好平衡）丰富了分析。这些结果凸显了 MATNet 作为促进光伏并网可靠高效方案的潜力。代码见 https://github.com/arco-group/MATNet。
引用
@article{arxiv.2306.10356,
title = {MATNet: Multi-Level Fusion Transformer-Based Model for Day-Ahead PV Generation Forecasting},
author = {Matteo Tortora and Francesco Conte and Gianluca Natrella and Paolo Soda},
journal= {arXiv preprint arXiv:2306.10356},
year = {2026}
}