利用深度生成模型扩展日内太阳辐射预测时效

Extending intraday solar forecast horizons with deep generative models

A.Carpentieri · Doris Folini · J.Leinonenc1 · A.Meyer · Applied Energy · 2025年1月 · Vol.377

地表太阳辐照度（SSI）在应对气候变化中发挥着关键作用——作为一种丰富且非化石的能源，主要通过光伏发电（PV）加以利用。随着SSI在总能源生产中所占比例不断上升，其固有的间歇性（主要由云层效应引起）对电力系统的稳定性构成了挑战。缓解这一稳定性问题需要具备高精度、量化不确定性、接近实时、区域尺度的SSI预测，预测时效为几分钟至数小时，以支持稳健的实时电网管理。目前最先进的临近预报方法通常只能满足上述部分要求。本文提出SHADECast，一种基于深度生成扩散模型的概率性时空临近预报方法，用于预测SS...

解读: 该深度生成模型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。SHADECast将光伏出力预测时间窗口延长至120分钟,预测精度提升60%,可显著优化储能系统的充放电策略和容量配置。结合iSolarCloud平台,该概率预测方法能提升多站点协同调度能力,增强电网稳...