Page 150 - 《中国电力》2026年第5期

2026 年 第 59 卷

表 1 PTER 模型超参数配置 项性能指标均最优。与基础 PatchTST 模型相比，
Table 1 PTER Model Hyperparameter Configuration
E M A 降 低 10.9%、 E RM S 降 低 13.2%、 R 提 升 3.2%、
2
超参数 取值 C 提升 1.6%。与性能次优的 Autoformer 模型相比，
r
o
块长度 8, 16 E M A 降低 16.3%、E RM S 降低 18.6%，充分证明引入
步长 8 DER++增量学习机制后，模型对光伏功率序列的
注意力头数 4 拟合能力与预测精度显著提升。
编码器层数 3
训练轮次 30 表 3 不同模型在测试集上的预测性能对比
Table 3 Comparison of predictive performance of differ-
批大小 16
ent models on the test set
早停耐心值 3
模型 E MA E RMS R 2 C or
学习率 0.000 1
Transformer 0.118 0.156 0.823 0.907
输入序列长度 120
Informer 0.105 0.138 0.857 0.925
经验回放缓冲区大小 1 000
Autoformer 0.098 0.129 0.872 0.934
训练数据子集数 3
PatchTST 0.092 0.121 0.885 0.941
PTER 0.082 0.105 0.913 0.956
表 2 各对比模型核心最优超参数配置
Table 2 Core optimal hyperparameter configurations of
each comparative model 3.2 增量更新稳定性实验结果
模型 学习率 编码器层数 增量更新稳定性实验旨在验证 PTER 模型在
Transformer 0.000 1 3 数据流时序更新过程中对历史知识的保留能力，
Informer 0.000 2 2 通过模拟 3 个训练子集的逐次更新过程。子集 1：
Autoformer 0.000 1 2 2023 年 7 — 9 月 ， 子 集 2： 2023 年 10 —12 月 ， 子
PatchTST 0.000 1 3 集 3：2024 年 1—4 月，计算各模型在每轮更新后
PTER 0.000 1 3 对前序子集的预测精度衰减率，定义为更新后精
度/更新前精度×100%，衰减率越低表示遗忘程度
验：基础性能对比实验验证模型预测精度、增量
越轻，结果如表 4 所示，模型精度衰减趋势如图 1
更新稳定性实验验证灾难性遗忘缓解效果、极端
所示。
天气适应性实验验证模型鲁棒性。实验数据来源于 由表 4 可知，传统全量更新方式 Transformer、
山西某 100 MW 集中式光伏电站 2023 年 7 月 1 日— 基础 PatchTST 在增量更新过程中存在严重的灾难
2024 年 7 月 31 日的运行数据，数据预处理后，按 性遗忘。经过两轮更新后，Transformer 对初始子
时间序列划分为训练集（2023 年 7 月—2024 年 4 月， 集 1 的 MAE 精 度 累 计 衰 减 51.1%， 基 础 PatchTST
占比 70%）、验证集（2024 年 5 月，占比 15%）、 累计衰减 43.6%，这是因为全量更新时模型参数
测试集（2024 年 6 月—7 月，占比 15%），其中 被 新 数 据 主 导 ， 导 致 历 史 知 识 被 覆 盖 。 引 入 基
训练集进一步拆分为 3 个连续子集以模拟数据流 础 ER 的 PatchTST 模型虽能缓解遗忘，累计衰减
的时序更新过程。所有对比模型（PatchTST、Trans- 表 4 不同模型在增量更新过程中的精度衰减率
former、Informer、Autoformer）均采用相同的数据 Table 4 Accuracy degradation rate of different models
during incremental update process
输入格式、评价指标与超参数优化策略，网格搜
单位：%
索+早停机制，确保实验的公平性与可比性。
子集1— 子集2—
模型 累计衰减率
3.1 基础性能对比结果 2衰减率 3衰减率
基础性能对比实验以测试集的 MAE、RMSE、 Transformer全量更新 78.3 62.5 48.9
R 、Cor 为评价指标，量化分析 PTER 模型与主流 PatchTST全量更新 82.1 68.7 56.4
2
深度学习模型的预测精度差异，结果如表 3 所示。 PatchTSTER 85.6 75.2 64.3
由表 3 可知，在 5 类对比模型中，PTER 模型的各 PTERDER++ 92.4 88.6 81.9

146