基于 Informer-BiGRUGATT-CrossAttention 的风电功率预测多模型融合架构

摘要

针对风电功率预测中长时间依赖与多尺度时空特征难以同时建模的问题，本文提出一种创新融合架构——Informer-BiGRUGATT-CrossAttention。该模型以 Informer 的长序列高效建模为骨干，结合双向 GRU（BiGRU）对局地时序依赖的精细刻画与**全局注意力（Global ATTention, GATT）对跨时间段关键信息的汇聚，并通过交叉注意力（Cross-Attention）**实现风机/风场间空间特征与多源气象驱动的深度融合。实验设计表明，该架构在 15 分钟～1 小时分辨率、0–168h 预测视角下，兼顾稳定性、精度与可部署性，为高精度新能源预测提供新的技术路径。

---

1. 背景与难点

1. 长依赖：风况与功率受天气系统演进（天尺度）、日变化（昼夜/边界层）、分钟级阵风扰动共同影响，单一时窗易丢失远端信息或放大噪声。

2. 多尺度：季节/周内节律、日周期、低频趋势与高频扰动叠加；常规 RNN/CNN 难以同时覆盖。

3. 多源异质：NWP/再分析/现场 SCADA、机组状态、功率曲线、限电与检修等数据分布差异显著。

4. 空间耦合：风场内多机组受同一天气系统驱动，存在空间相关与传播时延。

---

2. 模型总览与