← 返回
面向实时电价预测的电网物理信息驱动与时间自适应堆叠学习：短中期协同方法
Grid physics-informed and time-adaptive stacked learning for real-time electricity price forecasting: a short-term to mid-term approach
| 作者 | Yawen Yi · Xinyu Chen · Zhiyong Tian · Yuxin Zhang |
| 期刊 | Applied Energy |
| 出版日期 | 预计 2026年5月 |
| 卷/期 | 第 410 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 机器学习 深度学习 强化学习 并网逆变器 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 |
本文提出一种融合电网物理约束与时间动态特性的堆叠学习框架，用于提升短期至中期电力市场价格预测精度，支持源网荷储协同优化决策。
S
SunView 深度解读
该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的能源调度策略具有直接价值。通过物理信息嵌入的时序预测模型，可增强光储系统在电力市场中的报价精度与调峰调频响应能力。建议将该算法集成至iSolarCloud的电价预测模块，并适配ST系列PCS的本地边缘推理单元，提升户用及工商业场景下光储联合参与辅助服务的经济性与实时性。