← 返回
SolarFM：基于时间序列基础模型的时空太阳辐照度预测
SolarFM: Spatio-temporal solar irradiance forecasting based on time series foundation model
| 作者 | Shuo Shan · Weijing Dou · Victor Sreeram · Chenxi Li · Kai Wang · Kanjian Zhang · Haikun Wei |
| 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 | 深度学习 机器学习 光伏逆变器 智能化与AI应用 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 |
本文提出SolarFM，一种面向太阳能辐照度预测的时间序列基础模型，融合多源时空数据，提升短期至中期辐照度预测精度，支撑光伏功率预测与智能调度。
S
SunView 深度解读
该技术可显著提升阳光电源iSolarCloud平台的功率预测精度，增强组串式逆变器和ST系列PCS在光储协同调度中的响应能力；建议将SolarFM嵌入iSolarCloud作为辐照-功率联合预测模块，并适配PowerTitan系统实现日前/日内动态充放电优化，提升光储一体化项目收益率。