随着中国“双碳”目标的深入推进，光伏发电已经成为一种重要的清洁能源。精确的分布式屋顶光伏日前功率预测对优化调度计划，提高电力系统运行的安全性和经济性有重要意义。本文考虑分布式屋顶光伏的处理特性和多变量气象因子对功率的影响，提出基于凝聚层次聚类（agglomerative hierarchical clustering, AHC）和DA-transformer的分布式光伏母线级日前功率预测方法。将晴空天气下分布式屋顶光伏用户出力作为户用光伏出力特征，以动态时间规整（dynamic time warping, DTW）距离作为分布式光伏用户出力相似性的度量指标，并基于对同一母线上的分布式光伏用户进行分类。构建考虑多特征变量间注意力系数和每个时间步间注意力系数的DA-transformer模型，建立多特征气象因素与功率之间的复杂映射关系，实现分布式屋顶光伏日前功率预测。

主要内容

图1展示了基于DA-transformer的分布式屋顶光伏变电站级日前功率预测框架，模块1利用动态时间规整算法计算不同分布式光伏用户出力之间的相似度，以DTW距离为聚类指标，采用AHC将分布式光伏用户聚成两类。模块2对每一类分布式屋顶光伏，构建基于DA-transformer模型的日前功率预测方法，捕捉多特征和时间步之间的相关性，最后将每一类预测结果相加得到变电站级日前功率预测值。

传统Transformer模型的自注意机制采用点乘的方式使得模型只能够学习到时间序列中各时间点之间的依赖关系，无法学习同一时间点多特征变量之间的相关性。而光伏输出功率受到辐照度、总云量、降雨量、风速、温度多个气象特征的影响，不同气象特征对光伏输出功率波动影响存在差别，因此采用通道卷积注意力机制给输入的不同变量分配不同的权重。首先通过全局平均池化将每个特征变量压缩为1个实数，然后通过卷积特征给每个通道生成1个权重值，最后将每个权重加权到每个通道上，具体流程如图3所示，计算公式如式1所示。