近日，我校智能科学与技术学院王永生教授研究团队在短期风力发电功率预测领域取得进展。
风力发电功率预测技术是保障电场和电网安全调度与稳定运行的基础，是促进可再生能源消纳并网的关键技术。风电场实际运行窗口中，缓慢变化的运行轨迹、相位偏移的周期趋势与突变残差扰动相互叠加，直接对混合序列回归建模容易导致趋势估计偏误、局部波动响应不足。本研究提出了一种因果周期－频带解耦预测框架DTSNet，将风力发电功率预测重构为分离时间角色协同建模的过程：通过因果趋势－残差分离机制，在不引入未来信息的前提下，从混合风电功率窗口中分离低频运行支撑与残差扰动；通过周期对齐的列注意力机制，从因果平滑趋势中估计主导周期，构造周期对齐的时间图并聚合跨周期同相位依赖；通过独立残差频带提取策略，结合小波分解与频带专属轻量卷积提取器，在相互独立的子空间中保留突变局部波动与多尺度扰动信息，减少共享提取规则造成的跨频带干扰；最终通过非线性重组预测机制，将相位感知的趋势支撑与尺度可分的残差校正融合于同一预测架构，在预测精度和稳定性方面取得显著提升。
该研究成果实现了短期风力发电功率预测技术的创新突破，通过因果时间角色分配、周期对齐建模和频带独立提取，显著提升预测精度。实验在五个真实风电场数据集上进行系统验证（其中包括国家电网2021新能源发电预测竞赛公开数据集），DTSNet在MSE、MAE、RMSE和R2四项指标上均排名第一；在2、3、4、5步预测上，较最强基线模型的MSE分别降低40.1%、26.6%、22.2%和17.7%，且在多个随机种子下表现稳定。机理层面的消融与可解释性实验表明，残差信息保留、频带独立处理与非线性融合共同决定预测性能，独立残差频带提取在完整残差路径中提供了可单独识别的增益。该成果提出的“因果分离－周期对齐－频带解耦”技术框架，创新性地解决了传统方法在处理风电数据非线性、非平稳特性时的局限性，为短期风力发电功率预测提供了一种新的解决方案，可为风电场滚动调度、备用容量安排与功率快速波动风险预警提供支撑，在风力发电功率预测领域具有积极意义和应用前景。
相关成果以“DTSNet: A causal period-band decoupling framework for nonstationary short-term wind power forecasting”为题在国际期刊《Expert Systems with Applications》（2026年最新影响因子为9.4）上发表。王永生教授为该论文的通讯作者，智能科学与技术学院2024级硕士研究生王杰为第一作者，内蒙古工业大学智能科学与技术学院为该论文的第一完成单位。该论文得到了国家自然科学基金、内蒙古自治区重点研发和成果转化计划、内蒙古自治区自然科学基金等项目资助。
论文链接：https://doi.org/10.1016/j.eswa.2026.134280
文字、图片：智能科学与技术学院
