【光伏风电功率预测】提高 1.2%：STL-VMD 二次分解 + Informer-LSTM 并行预测模型

1 引言：为什么要专门为“多 1.2%”设计一套结构？

在你现在的实际工程场景里，大概率已经有一套“能打”的预测系统：

• 有一版 LSTM/GRU/Transformer 深度模型在跑；

• 日常指标大致稳定，调度侧能用。

问题是：再往下压 1%～2% 就非常难——
特别是针对“区域风光 + 多时段”的 nRMSE、MAE，一点点提升都要非常精细的结构设计和训练策略来支撑。

这篇文章针对这种场景，给出一套专门为“多 1.2%”设计的结构：

STL-VMD 二次分解 + Informer-LSTM 并行预测模型

核心思路一句话概括：

先用 STL 把趋势/季节成分剥离，再用 VMD 对剩余部分做带宽更窄的模态分解，
把得到的多尺度子序列按“慢变 / 快变”分到 Informer 与 LSTM 两条预测支路中并行建模，
最后在时间维做重构，得到比原始“单模型硬啃”更稳定、更细腻的风光功率预测。

下面按“问题 → 结构 → 细节 → 落地”的顺序展开。

---

2 场景与难点：光伏 + 风电、多时间尺度、强非平稳

2.1 预测任务设定