基于TCN与双重注意力机制的光伏功率预测模型

来源：计算机技术与发展杂志2025年第07期北京时间：

作者：张蕾;季媛媛;李娜;朱俊澎

单位：1. 国网江苏省电力有限公司南通供电分公司,江苏 南通 226000;2. 南通电力设计院有限公司,江苏 南通 226000;3. 河海大学 电气与动力工程学院,江苏 南京 210024

摘要：针对传统光伏输出功率预测模型准确度不高、训练效率较低的问题,提出一种基于时域卷积网络(TCN)与双重注意力机制(DAM)的光伏功率预测模型。首先,利用时域卷积网络中的第一个因果扩张卷积层对输入序列数据进行因果扩张卷积运算,初步提取数据短期依赖关系;随后,采用多头注意力机制对重要时间步进行加权,从而捕捉序列数据的长期依赖关系;接着,通过时域卷积网络的第二个因果扩张卷积层进一步提取数据深层次特征,以增强模型对数据短期依赖特征的提取能力;然后,利用外部注意力机制将外部信息及第二个因果扩张卷积层的输出映射到隐藏特征空间,并通过非线性函数生成注意力权重分布,实现特征相关性权重的动态分配;最后,结合残差连接实现对光伏功率的高效预测。算例分析结果表明,在实际测试中该模型的平均绝对误差、均方根误差和绝对系数分别为473.58kW、828.77kW和98.27%,相较于传统光伏功率预测模型具有更高的预测精度,且模型训练耗时短,计算效率优良。

关键词：深度学习;光伏功率预测;时域卷积网络;多头注意力机制;外部注意力机制