PVMTF：基于块技术与信息融合编码的端到端长序列时间序列预测框架用于中期光伏发电预测

PVMTF: End-to-end long-sequence time-series forecasting frameworks based on patch technique and information fusion coding for mid-term photovoltaic power forecasting

Zhirui Tiana · Bingjie Liang · Applied Energy · 2025年1月 · Vol.396

准确的光伏发电功率预测能够缓解其对电网稳定性的不利影响。目前大多数光伏发电预测模型依赖于增加模型复杂度或扩大回溯窗口尺寸以提升所提取信息的量，但这往往导致已学习信息的灾难性遗忘或引入过多冗余噪声。此外，一些模型通过分解数据并采用非端到端的学习方式进行预测，可能导致信息不一致和误差累积，从而限制了预测精度的进一步提升。为应对上述挑战，本文提出了一种端到端的PVMTF预测框架，包含PatchGRU和PatchGRU_h两种模型。本研究分为两个模块：在数据预处理模块中，采用孤立森林（Isolation...

解读: 该PVMTF端到端光伏功率预测框架对阳光电源iSolarCloud智慧运维平台具有重要应用价值。其基于patch技术的长序列预测能力可显著提升4-7天中期功率预测精度,有效支撑SG系列逆变器集群的发电调度优化。通过灰色关联分析的特征选择可降低计算复杂度,适配边缘侧部署。该技术可与ST系列储能PCS协...