← 返回
基于Transformer的深度学习多时间尺度全球发电量预测
Transformer-based deep learning for multi-horizon global power generation forecasting
| 作者 | Sidique Gawusu · Xiaobing Zhang |
| 期刊 | Energy Conversion and Management |
| 出版日期 | 2026年4月 |
| 卷/期 | 第 354 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 深度学习 机器学习 模型预测控制MPC 微电网 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 |
本文提出一种基于Transformer架构的深度学习模型，用于实现跨区域、多时间尺度（小时级至周级）的全球电力生成量预测，支持光伏、风电等可再生能源出力的联合建模与不确定性量化。
S
SunView 深度解读
该研究对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统能量管理具有直接价值：可提升ST系列PCS在光储协同调度中的日前/日内功率预测精度，优化充放电策略；建议将Transformer模型轻量化后嵌入iSolarCloud边缘节点，支撑组串式逆变器集群的动态MPPT与电网侧储能调峰调频决策。