找到 2 条结果 · 风电变流技术
基于层次图神经网络与极值理论的短期区域风电功率预测方法
Short-term regional wind power forecast method based on hierarchical graph neural network and extreme value theory
Menglin Liab · Ming Yang · Yixiao Yuab · Energy Conversion and Management · 2025年1月 · Vol.341
摘要 从电力系统运行者的角度来看，管辖区域内风电总出力潜力相比单个风电场更受关注。挖掘目标区域内多个风电场站点之间的时空依赖关系可显著提升预测性能。然而，大量风电场由于不同空间尺度天气系统的连续性所引发的复杂相关性，给建模带来了不可忽视的挑战；此外，基于均方误差的传统损失函数在应对极端事件时表现出固有的局限性。为解决上述问题并进一步提高预测精度，本文构建了一种结合修正模块和基于极值理论改进损失函数的层次化时空图神经网络模型。首先，综合考虑地理距离信息和长期气候特征，采用凝聚式层次聚类方法将区域划...
解读: 该分层图神经网络区域风电预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。精准的区域风电预测可优化储能系统充放电策略,提升风储协同效率。其极值理论改进损失函数可增强极端工况预测能力,为iSolarCloud平台的预测性维护提供算法支撑。时空依赖建模方法可应用于多站点...
一种面向多地点短期风速预测的以位置为中心的Transformer框架
A location-centric transformer framework for multi-location short-term wind speed forecasting
Luyang Zhao · Changliang Liu · Chaojie Yang · Shaokang Liu 等6人 · Energy Conversion and Management · 2025年1月 · Vol.328
准确的时空风速预测在电力系统优化和可再生能源效率提升中起着至关重要的作用。然而，传统模型通常将多个地点的历史风速数据合并到统一的特征通道中，这种做法削弱了其捕捉空间相关性的能力，从而降低了预测精度。本研究提出，在建模时空关系时保持各位置特有的差异性有助于提升预测性能。基于这一前提，本文构建了一种新颖的基于Transformer、具有以位置为中心架构的预测框架，并引入了若干关键创新：（1）一种时空门控融合单元，能够动态整合地理坐标与时间风速数据，同时保留位置特异性信息；（2）一种重构的Transf...
解读: 该位置中心化Transformer风速预测框架对阳光电源新能源管理系统具有重要应用价值。精准的多点短期风速预测可直接优化ST系列储能变流器的充放电策略,通过时空关联建模提升风光储协调控制精度。其双重增强机制可集成至iSolarCloud平台的预测性维护模块,结合地理坐标与时序数据的门控融合单元能改进...