Windformer：用于风速预测的双向长距离时空网络
信号处理
2023-11-27 v1 人工智能
摘要
风速预测对风电发电管理至关重要。由于风速波动范围大及尾流效应，远距离风机之间也可能存在强相关性。这一难以提取的特征已成为提高精度的瓶颈。历史与未来时间信息包含气流变化趋势，能否利用该动态信息也会影响预测效果。针对上述问题，本文提出 Windformer。首先，Windformer 将风机集群划分为多个不重叠窗口并计算窗口内相关性，随后部分平移窗口以提供窗口间连通性，最后基于细节与全局信息融合多通道特征。为动态建模风速变化过程，本文同时提取历史与未来两个方向的时间序列。与其他当前先进方法相比，Windformer 在 NERL 的两个数据集上均方误差（MSE）降低了 0.5% 至 15%。
引用
@article{arxiv.2311.14316,
title = {Windformer:Bi-Directional Long-Distance Spatio-Temporal Network For Wind Speed Prediction},
author = {Xuewei Li and Zewen Shang and Zhiqiang Liu and Jian Yu and Wei Xiong and Mei Yu},
journal= {arXiv preprint arXiv:2311.14316},
year = {2023}
}