摘要：随着光伏装机容量占比逐年提高，准确预测光伏出力，实现光伏群调群控至关重要。提出基于图卷积神经网络（GCN）、长短期记忆网络（LSTM）和时间模式注意力机制（TPA）集成深度融合的多站光伏出力预测方法。首先，以图结构形式转化多站光伏出力时序曲线及数值天气预报数据的输入特征，建立GCN-LSTM模型，提取光伏集群间隐藏的时空依赖性。其次，引入时间模式注意力机制加权修正输入数据特征，提高关键数据价值。然后，设定反映集群内电压变化的节点为主导节点，基于光伏集群间时空预测结果，将灵敏反映集群电压变化的节点设定为主导节点，建立区域所有节点的电压在安全范围运行和最小系统网损为目标的群间协调优化策略。接着，根据协调优化策略结果构建群内节点电压在安全范围内稳定运行、最小化集群网损的自治优化调控策略，实现分布式光伏最大化就地消纳。最后，实际多站光伏集群出力数据的仿真结果表明，所提方法能够高效提取不同光伏电站间的时空关联性，降低光伏出力预测误差，有效提高光伏集群的安全性和经济性。

      关键词：光伏出力预测；图卷积神经网络；邻接矩阵自适应；时间模式注意力机制

      中图分类号：TM615     文献标识码：A