为应对自然风随机性与波动性带来的风速预测精度低的问题,提出一种基于频-时转换与Informer的强风等级预测方法(a strong-wind level prediction method with frequency-time transformation and Informer,FT-Informer)。该方法通过预...为应对自然风随机性与波动性带来的风速预测精度低的问题,提出一种基于频-时转换与Informer的强风等级预测方法(a strong-wind level prediction method with frequency-time transformation and Informer,FT-Informer)。该方法通过预测强风等级并输出包含多级强风信息的风速等级概率分布表,提升高铁系统在强风环境下的调度能力。首先,将Informer作为主要预测器,基于编码器-解码器架构和自注意力机制,预测实时风速。然后,引入频-时转换(frequency-time trans-formation,FT)方法对预测风速的随机脉动特性进行数值分析,进而实现风速波动范围的遍历模拟,降低风速波动性对预测结果的干扰。最后,为提供更具决策支持性的大风预警信息,构建预测风速的概率密度函数(probability density function,PDF)样本矢量集,模拟随机脉动风场的全概率尺度,从而生成未来一段时间内风速等级的概率分布表。实验结果表明,所提出的预测方法在风速等级预测精度上明显优于其他5种模型。其中预测准确率提高0.64%~10.36%,预测等级偏差为1的误差率降低0.36%~6.78%。值得注意的是,所提方法预测等级偏差为2的概率为0,与其他模型相比预测效果提升0.19%~3.68%。此外,在不同时间间隔及不同数据集的泛化实验中,该方法均展现出较强的鲁棒性和泛化性,在功率谱拟合度实验(power spectrum fitting experiment)以及风速概率精度对比实验中,验证了各强风等级概率计算结果的有效性。研究方法不仅降低了随机脉动风对预测结果的干扰,还为铁路调度人员提供未来一段时间内铁路沿线3个强风等级的发生概率,助力铁路部门制定更加精准且细致的调度决策,从而为列车在强风环境下的安全运营提供有力保障。展开更多
