基于地面GNSS大气遥感的超短期风电功率预测：一种方向代理引导的图残差方法

《Remote Sensing》：Ground-Based GNSS Atmospheric Remote Sensing for Ultra-Short-Term Wind-Power Forecasting: A Direction-Proxy-Guided Graph-Residual Approach

　　

摘要

地基全球导航卫星系统（GNSS）站通过电磁传播延迟提供连续的大气遥感能力。精密单点定位（PPP）可解算天顶对流层延迟（ZTD），而ZTD梯度可作为场外对流层结构的代理指标，这是仅依赖监控与数据采集（SCADA）的预报所无法获取的。我们提出一种结合长短期记忆（LSTM）主干网络、GNSS条件调制和图神经网络（GNN）的模型，记为LSTM+GNN+GNSS，用于4小时风电功率预测。历史PPP解算的ZTD及其质量指标对共享时间表示进行条件调制；ZTD梯度方向代理、风机几何参数和观测置信度引导在15–90分钟时段的门控图残差校正。在666个共同的盐都测试起点上，我们比较了LSTM、LSTM+GNN和LSTM+GNN+GNSS三种模型。完整系统的归一化平均绝对误差（nMAE）为4.53%（三个功率模型种子下的4.527 ± 0.132%），相比LSTM+GNN降低7.57%，相比LSTM降低8.23%。配对移动块95%置信区间支持上述两种比较，Bonferroni校正的前瞻式检验在30至225分钟区间内结果一致。这些结果证明了在时间序保持协议下完整GNSS条件调制路径的增量预测价值。