一种基于STL-Prophet-Informer模型的太阳电池阵多变量趋势预测方法

为了提高太阳电池阵多变量预测的精度，解决阳电池阵遥测参数存在周期波动与增长性互相耦合的问题，提出一种基于STL-Prophet-Informer模型的太阳电池阵多变量预测算法.该算法首先应用局部加权周期趋势分解算法(seasonal and trend decomposition procedure based on loess, STL)对太阳电池阵的多个参数分解为趋势分量、周期分量和残差分量，然后采用对趋势性数据预测效果较好的Prophet预测趋势分量，Informer模型预测周期分量和残差分量，最后将各分量预测结果相加后得到总的太阳电池阵参数预测值.以某卫星太阳电池阵实际遥测数据做算例分析，提出算法的各项误差评价指标和单一的Informer模型、LSTM模型等相比有明显减小，将该组合预测模型用于太阳电池阵多变量参数预测中，可以提高参数预测精度，提升卫星自主运行性能.