融合频率增强通道注意力机制的VMD-TCN-NTSformer-FECAM风电功率预测研究

来源：电子测量技术杂志2026年第8期北京时间：

作者：杨青濠，张嘉英

单位：内蒙古工业大学电力学院 呼和浩特 010080

摘要：针对风电功率序列非平稳特性与多尺度动态演化规律。首先采用变分模态分解（VMD）对原始功率序列进行自适应频域分解，分离噪声干扰并提取多尺度动态子模态；其次，利用时间卷积网络（TCN）的膨胀卷积分层捕获局部时序特征，结合NTSformer的去平稳化注意力机制动态修正标准化偏差，提升趋势突变与周期波动建模能力；并引入频率增强通道注意力模块（FECAM），通过快速傅里叶变换提取频域特征，动态分配通道权重聚焦关键频率成分，最终构建VMD-FECAM-TCN-NTSformer预测模型。实验表明：该模型在15 min的单步预测和15 h的60步预测中较传统CNN模型决定系数提高13%、相较Transformer等模决定系数提高4%。因此，证明所提出的模型有较高预测精度和良好预测效果。

关键词：风电功率预测;时间卷积网络;变分模态分解;频率增强通道注意力机制;非平稳Transformer;预测模型

基金资助：内蒙古自然科学基金（2021LHMS06002）、新能源发电出力预测系统研究项目（2023150001000289）资助