基于改进坐标注意力的多尺度残差网络实现精确短期光伏功率预测

《IEEE Access》：Multi-Scale Residual Network with Modified Coordinate Attention for Accurate Short-Term PV Power Forecasting

　　

摘要：

准确的光伏（PV）功率预测对于可靠的电网运行、能源管理以及光伏系统有效接入现代电网至关重要。本研究设计了一种基于改进坐标注意力模块（MCAM）增强的残差多尺度网络的短期光伏功率预测框架。利用自适应噪声完备集成经验模态分解（CEEMDAN）将光伏有功功率分解为本征模态函数（IMFs），并将所得成分与辐照度、温度和风速变量相结合。特征矩阵通过基于滑动窗口的表示方法转换为多通道张量，使网络能够以结构化形式学习特征与时间之间的依赖关系。所提出的架构包含三个残差多尺度阶段，配备级联卷积分支，以在不同卷积核下提取局部和上下文模式。MCAM 集成在每个多尺度块之后，以突出时空特征，同时抑制相关性较弱的特征。实验基于尤拉拉太阳能发电系统的实际光伏数据，针对 1 小时、2 小时和 3 小时的预测时间跨度进行。对于 1 小时、2 小时和 3 小时的预测时域，所提出模型的 R2 值分别为 0.9950、0.9902 和 0.9836，RMSE 值分别为 0.4400、0.6185 和 0.7994。通过与基准模型的全面比较以及在季节和天气条件下的评估，验证了所提出方法的有效性。