找到 2 条结果 · 光伏发电技术
基于动态时空注意力图卷积网络与误差修正的光伏功率预测方法
PV power forecasting method using a dynamic spatio-temporal attention graph convolutional network with error correction
Zhao Zhenabd · Yufei Yang · Fei Wangabc · Nanpeng Yue 等7人 · Solar Energy · 2025年11月 · Vol.300
摘要 优异的短期光伏发电功率预测对于制定光伏发电计划及实现电力系统的经济调度至关重要。然而，现有的短期预测方法并未深入探讨输入特征的可解释性，通常依赖静态相关性分析方法处理数值天气预报（NWP）数据，并且常常忽视对功率预测误差进行修正的关键步骤。针对上述三项研究不足，本文提出一种结合基于分解的误差修正机制的动态时空注意力图卷积网络（STAGCN）短期光伏功率预测方法。首先，采用时空重要性模型解释方法对多源NWP数据进行特征提取，识别出对模型预测具有关键作用的特征变量。其次，引入时空特征变换与融合...
解读: 该动态时空注意力图卷积网络光伏功率预测技术对阳光电源iSolarCloud智能运维平台及储能系统具有重要应用价值。通过多源NWP特征提取和误差修正机制,可显著提升SG系列逆变器的发电功率预测精度,优化PowerTitan储能系统的充放电策略制定。该方法的可解释性增强和动态时空建模思路,可集成至预测性...
基于卫星图像纹理特征与迁移学习的区域光伏功率预测优化高效方法
An efficient approach for regional photovoltaic power forecasting optimization based on texture features from satellite images and transfer learning
Yang Xi · Jianyong Zheng · Fei Mei · Gareth Taylor 等5人 · Applied Energy · 2025年5月 · Vol.385
准确高效的区域光伏发电功率预测对于提升光伏电力供应的稳定性并扩大其市场份额至关重要。近年来的研究进展已将卫星与地面观测数据的特征相结合，基于混合神经网络的模型展现出优异的预测性能。然而，仍存在若干挑战：直接从卫星图像中提取的空间特征往往缺乏细节，且大多数现有预测方法需要大量电力数据样本。因此，在云量变化速率较高的情况下，预测精度易受相位滞后的影响，同时由于区域光伏装置数量庞大且分布分散，计算负担也显著增加。为解决上述问题，本研究提出一种创新的时空特征，该特征将从卫星图像重构的纹理特征（TFs）与...
解读: 该区域光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过卫星图像纹理特征与迁移学习结合,可显著提升SG系列逆变器集群的功率预测精度(RMSE提升72%)并降低相位滞后,特别适用于分布式光伏电站管理。该算法计算效率提升10倍,可与ST储能系统协同优化充放电策略,减少云层...