← 返回
基于广义极值分布增强的傅里叶扩散模型用于日前光伏场景生成中的极端值捕捉
GEV distribution-enhanced Fourier diffusion model for extreme value capture in day-ahead photovoltaic scenario generation
| 作者 | Chunyu Zhang · Xueqian Fu · Dechang Yang · Pei Zhang · Youmin Zhang |
| 期刊 | Applied Energy |
| 出版日期 | 2026年4月 |
| 卷/期 | 第 409 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 光储一体化 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 |
本文提出一种融合广义极值分布（GEV）与傅里叶增强扩散模型的新方法，提升日前光伏功率场景生成中对极端天气下出力波动的建模精度，增强不确定性量化能力。
S
SunView 深度解读
该研究可提升阳光电源iSolarCloud智能运维平台在日前功率预测与多场景风险评估中的精度，尤其利于ST系列PCS和PowerTitan储能系统在光储联合调度中应对极端出力波动。建议将GEV-扩散模型嵌入iSolarCloud的场景生成模块，优化组串式逆变器+储能的协同控制策略，强化弱电网/高波动场景下的调峰调频鲁棒性。