La predicción de la irradiancia solar es un componente crucial en la aplicación de la generación de energía fotovoltaica, desempeñando un papel vital en la optimización de la producción de energía, la gestión del almacenamiento de energía y el mantenimiento de la estabilidad de la red. Este documento propone un método de predicción de irradiancia basado en una red de transformadores invertidos estructurada funcionalmente, que mantiene la independencia del canal de cada característica en la entrada del modelo y extrae las correlaciones entre diferentes características a través de un mecanismo de Atención, lo que permite al modelo capturar de manera efectiva la información relevante entre diversas características. Después de que se completa la mezcla de canales de diferentes características a través del mecanismo de Atención, se utiliza una red lineal para predecir la secuencia de irradiancia. Se diseña un método de procesamiento de datos adaptado al modelo de predicción utilizado en este documento, que emplea un enfoque integral de preprocesamiento de datos que combina información mutua, imputación múltiple y filtrado mediano para optimizar el conjunto de datos crudos, mejorando la estabilidad general y la precisión del proyecto de predicción. Además, se diseña un algoritmo de optimización de Dingo adecuado para la autoajustar los hiperparámetros del modelo de aprendizaje profundo, mejorando la capacidad de generalización del modelo y reduciendo los costos de implementación. El modelo de inteligencia artificial (IA) propuesto en este documento demuestra un rendimiento de predicción superior en comparación con los modelos de predicción comunes existentes en la predicción de datos de irradiancia y puede facilitar futuras aplicaciones de generación de energía fotovoltaica en sistemas de energía.