非平稳GNNCrossformer：融合图信息的Transformer用于非平稳多变量时空风力发电预测

Non-stationary GNNCrossformer: Transformer with graph information for non-stationary multivariate Spatio-Temporal wind power data forecasting

Xinning Wuac1 · Haolin Zhanb1 · Jianming Hua · Ying Wangd · Applied Energy · 2025年1月 · Vol.377

摘要 风电功率的时空预测对于风电系统中多个风电场的并网运行具有重要意义。然而，由于多个风电场之间存在复杂的时空依赖关系，构建先进模型以在相互影响下实现精确的风电功率预测仍面临巨大挑战。此外，大多数现有模型在处理多变量且非平稳的风电场功率数据的长期预测时表现不理想。为解决上述问题，本文提出了一种新颖的基于Transformer的模型——非平稳GNNCrossformer，用于非平稳多变量时空预测。该模型采用非平稳两阶段注意力机制（Nonstationary-Two-Stage-Attention）...

解读: 该非平稳时空风电预测技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。通过图神经网络与Transformer融合的多风场功率预测模型,可优化储能系统的充放电策略制定和能量管理。其非平稳序列处理能力可提升iSolarCloud平台的预测性维护精度,增强风储耦合场景下的GFM/...