时空混合图-Transformer模型：实现高保真可再生能源预测的创新方法

《Journal of Modern Power Systems and Clean Energy》：Spatio-Temporal Hybrid Graph-Transformer Model for High-Fidelity Renewable Energy Forecasting

为解决孤岛电网中新能源出力的非线性、时空依赖性和波动性挑战，研究人员开展了一项关于时空混合图-Transformer（ST-HGT）模型的研究。该研究集成GATs、TCNs、N-BEATS和Informer等模块，动态建模站点间关联与复杂时序模式。结果表明，该模型在风电和光伏预测上均显著超越现有最优模型，为提升电网稳定性和可再生能源消纳提供了有效解决方案。

　　

随着全球能源转型的加速，以风能和太阳能为代表的可再生能源在电力系统中的占比日益提高。然而，风能和太阳能“看天吃饭”的特性，给电网的稳定运行带来了巨大挑战。这一点在类似济州岛这样的孤岛电网系统中尤为突出。准确预测未来的风电和光伏发电功率，是电力系统调度部门提前进行规划和安排、确保电网安全稳定的关键。然而，这并非易事。风能和太阳能的出力受到复杂气象因素的共同影响，呈现出强烈的非线性和波动性特征。不仅如此，地理上分散的多个风电场和光伏电站之间，其发电出力由于共同的气象背景而存在动态的空间关联。目前的预测方法存在明显局限：有的模型专门针对风电或光伏设计，缺乏普适性；有的模型将空间相关性和时间依赖性分开处理，割裂了二者内在的联系；更关键的是，大多数模型难以有效捕捉和建模这些分散站点之间动态变化的相关关系。为了解决这些难题，一项发表在《Journal of Modern Power Systems and Clean Energy》上的研究提出了一个创新的解决方案。

为了攻克高精度可再生能源预测的难题，研究人员设计并验证了一个名为时空混合图-Transformer（Spatio-Temporal Hybrid Graph-Transformer, ST-HGT）的模型。该模型采用模块化架构，核心在于利用动态图从气象和发电功率数据中学习站点间的空间关联，并整合多种互补的时序模块来捕捉不同尺度的时间模式。研究使用了韩国济州岛多个站点的真实世界数据，分别针对风电和光伏预测任务，对ST-HGT模型进行了独立的训练和评估。

主要技术方法概述

本研究构建的ST-HGT模型是一个集成多种先进架构的混合模型。其核心技术方法包括：1. 使用图注意力网络（Graph Attention Networks, GATs）构建动态图，以建模不同新能源站点之间随时间和气象条件变化的关联强度；2. 采用时序卷积网络（Temporal Convolutional Networks, TCNs）来提取局部时序特征；3. 集成N-BEATS和Informer架构，分别用于学习复杂的非线性模式和捕捉长程时序依赖关系；4. 最终通过一个Transformer编码器-解码器框架进行信息整合与序列预测。模型训练与评估所使用的数据集来源于济州岛上的多个实际电站。

研究结果

模型性能显著超越现有基线

研究团队将提出的ST-HGT模型与当前领域内先进的基线模型进行了全面对比，这些基线包括Informer、时序融合Transformer（Temporal Fusion Transformer, TFT）、N-BEATS以及多种循环神经网络。评估指标采用均方根误差（Root Mean Square Error, RMSE）和决定系数（R²）。

在光伏预测任务中，ST-HGT模型取得了RMSE为21.71 kWh、R²高达0.9991的优异性能。 相对于表现最好的基线模型，其RMSE提升了超过96.6%，显示出压倒性的优势。

在风电预测任务中，该模型同样表现卓越，实现了RMSE为853.31 kWh、R²为0.9902的预测精度。 而所有基线模型的RMSE均超过了65,000 kWh，表明ST-HGT模型在风电这种波动性更强的预测任务上，性能提升更为巨大。

结论与讨论

本研究表明，所提出的时空混合图-Transformer（ST-HGT）模型能够有效应对高比例可再生能源并网，特别是孤岛电网系统中的预测挑战。该模型的核心贡献在于其成功集成了动态图建模与多种互补的时序学习模块，从而能够统一而精细地刻画新能源发电中复杂的时空动态特性。在济州岛真实数据集上的实验证明，该模型在风电和光伏功率预测任务上均显著超越了现有最先进的方法，尤其在高波动性的风电预测上展现出了前所未有的精度提升。这项研究成果不仅为可再生能源的高保真预测提供了一个强大的新工具，其创新的模型架构思路也为更广泛的时空序列预测问题提供了有价值的参考。高精度的预测能力将直接转化为更经济的电网调度方案、更高的供电可靠性以及更安全的新能源消纳水平，对于推动能源清洁转型具有重要的实际意义。