山东大学学报(工学版)

作者：郑哲明, 孔玲玲, 何印

单位：1.云南民族大学电气信息工程学院, 云南 昆明 650504;2.云南省无人自主系统重点实验室(云南民族大学), 云南 昆明 650504

关键词：风电功率,图卷积网络,门控循环单元,注意力机制,最大信息系数,

基金：国家自然科学基金资助项目(52061042)

针对传统风电功率预测方法忽略时空特征交互的问题,提出一种融合双图结构与注意力机制的时空图卷积网络模型(spatial-temporal graph convolutional network with attention, STGCN-A)。基于最大信息系数构建相关性矩阵,形成基于统计相关性的空间图,结合欧氏距离构建地理邻近性空间图,实现风电机组间的双图建模;采用图卷积网络(graph convolutional network, GCN)提取空间特征,结合门控循环单元(gated recurrent unit, GRU)深度挖掘时间依赖关系,引入注意力机制(attention mechanism, AM)对时间步进行动态加权,以增强时空特征中关键信息的表示能力。在实际风电数据集中开展对比试验,结果表明,该模型在均方根误差ERMS、平均绝对误差EMA和决定系数R2评价指标上优于传统方法,表现出较高的预测精度,具有较好的实际应用潜力。

来源：2026年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2026年第2期