找到 2 条结果 · Applied Energy
基于增强特征提取与新型损失函数的TimesNet光伏功率多步短期预测方法
Multi-step short-term forecasting of photovoltaic power utilizing TimesNet with enhanced feature extraction and a novel loss function
Sheng Yu · Bin He · Lei Fang · Applied Energy · 2025年1月 · Vol.388
摘要 天气条件的不稳定性常导致光伏发电呈现出随机性和波动性，使得准确可靠的光伏发电功率预测对于综合能源系统的稳定调度至关重要。由于难以捕捉相邻离散时间点之间的时序依赖关系，多步预测仍面临挑战，这主要归因于一维建模方法在时间序列特征表达能力上的局限性。为此，本文提出一种专门针对光伏发电功率多步短期预测的方法论框架。该框架基于TimesNet架构，通过将气象特征在二维空间建模以增强特征表达能力。此外，引入了一种新的特征提取模块，用于替代原始TimesNet中的Inception模块，缓解了标准卷积中...
解读: 该多步光伏功率预测技术对阳光电源iSolarCloud智慧运维平台及储能系统调度具有重要价值。TimesNet二维时序建模可增强SG系列逆变器功率预测精度,改进的损失函数能提升异常工况识别能力。12小时预测RMSE降低3.21%可优化ST系列PCS的充放电策略制定,减少PowerTitan储能系统的...
一种模块化的多步预测方法用于海上风电场群
A modular multi-step forecasting method for offshore wind power clusters
Lei Fang · Bin He · Sheng Yu · Applied Energy · 2025年1月 · Vol.380
摘要 随着规模经济的推动，海上风电场群正逐渐成为一种普遍趋势。然而，由于风资源的不确定性，海上风电出力具有间歇性和波动性，给预测工作带来了显著挑战。目前针对海上风电场群功率预测的研究仍较为有限。本文针对这一研究空白，提出了一种面向海上风电场群的模块化、解耦式的多步预测方法。该方法采用模块化设计，能够适应多种预测场景，特别是有无数值天气预报（NWP）数据的情况，为未来的研究与应用提供了灵活的框架。该方法首先利用信号处理技术（包括快速傅里叶变换FFT和奇异值分解SVD）对集群内各风电场的历史功率输出...
解读: 该海上风电集群多步预测方法对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过时空特征提取和多模态数据融合,可显著提升风储协同控制精度,优化iSolarCloud平台的预测性维护能力。模块化架构适配有无NWP数据场景,可集成至GFM/GFL控制策略中,提升电网友好型并网性...