中国农大新闻网讯 近日，我校信息与电气工程学院赵永宁副教授在日内风电功率预测领域的最新研究成果《考虑重叠历史数值天气预报的日内风电功率预测方法》（Intraday Wind Power Forecasting by Ensemble of Overlapping Historical Numerical Weather Predictions）于2025年4月刊登在电气工程领域国际顶级期刊IEEE Transactions on Sustainable Energy第16卷第2期。

随着风电在能源结构中的比重不断增加，日内风电功率预测的准确性对电力系统稳定运行至关重要，其中数值天气预报（numerical weather prediction，NWP）是提升日内风电功率预测精度的关键因素。传统风电功率预测方法通常仅依赖最新更新的单一NWP数据，忽略了历史更新的重叠历史NWP数据中隐藏的气象预报信息。此外，日内风电功率预测涉及超短期和短期两种不同时间尺度的交叉，进一步增加了预测建模的复杂性和难度。

基于时空表示学习网络的预测模型结构

为此，该文提出了一种基于重叠历史NWP的时空表示学习网络，从多组历史更新的NWP数据中提取潜在的气象预报信息，可以显著提升多风电场日内风电功率预测精度及稳定性。首先，采用集成的掩码-重构表示学习预训练策略从历史实测信息和重叠历史数值天气预报中提取隐藏表示，从而为随后的日内风电功率预测提供关键的上下文信息。然后，仅对输出层进行训练，并对整个网络进行端到端的微调训练，从而适应特定的日内风电功率预测任务。最后，采用基于硬参数分享的多任务学习策略，以确保训练过程中对每个风电场取得预测损失平衡。文章基于我国多个实际风电场进行分析验证，结果证明所提方法可提升大多数风电场的日内风电功率预测精度，并且在所有时间尺度内相比基准模型实现了最佳的预测表现。

研究成果可进一步结合日内高频更新NWP技术，应用于区域内风电集群或跨区域新能源集群的高精度功率预测，为双碳目标下的新型电力系统安全经济运行提供重要支撑。

掩码重构预训练策略示意图

中国农业大学信电学院赵永宁副教授为论文第一作者，叶林教授为论文通讯作者，2022级硕士研究生潘世纪为学生第一作者。论文工作得到了国家自然科学基金项目（项目批准号：52207144）的资助。