频-时域特征解析协同多尺度滑动窗口的短期风光功率预测

来源：动力工程学报杂志2026年第6期北京时间：

作者：陈文颖, 吴梦达, 刘帅, 刘卫亮, 张启亮, 刘长良, 王昕, 徐家豪,

摘要：针对风光功率预测中频域特征挖掘不足及动态特征捕捉难题,提出了一种融合频-时域特征解析与多尺度滑动窗口特征融合的卷积-双向长短期记忆网络(CNN-BiLSTM)预测算法。首先,数据经孤立森林算法去噪后,采用皮尔逊相关系数与梯度提升回归(GBRT)的加权集成特征评估方法筛选出高相关输入特征;随后,经多尺度滑动窗口提取高相关特征时序统计量以捕获数据动态变化趋势;最后,构建基于快速傅里叶变换(FFT)频域解析与自注意力(SA)特征聚焦的CNN-BiLSTM算法,通过FFT实现频域特征提取,同时利用SA机制动态分配时序特征权重,进而实现频-时域协同表征学习,提升功率预测精度。北方某风电场与光伏电站的算例结果表明:所提算法具备较高的预测精度,在风功率预测中,平均绝对误差(MAE)和均方根误差(RMSE)分别平均降低了35.43%和31.47%,决定系数(R2)平均提高了8.04%;在光功率预测中,MAE和RMSE分别平均降低31.48%和19.39%,R2平均提高了2.19%。

关键词：功率预测,快速傅里叶变换,多尺度滑动窗口,自注意力机制,