基于自适应特征提取与时间迁移建模的分布式光伏超短期功率预测

Ultra-Short Term Power Forecasting for Distributed PV Based on Adaptive Feature Extraction and Temporal Transfer Modeling

Boyu Liu · Yuqing Wang · Fei Wang · Ziqi Liu 等6人 · IEEE Transactions on Industry Applications · 2025年8月

准确的分布式光伏发电功率预测对于优化电网运行、提高经济效益以及促进新能源融合至关重要。然而，现有的分布式光伏发电功率预测方法面临着若干挑战：1）卫星云图可为缺乏专业气象测量的分布式光伏提供数据支持，但云图特征建模方法往往会忽略重要特征；2）季节变化和多变的气候条件会导致光伏输出特性在时间分布上产生变化，当数据分布发生变化时，训练好的预测模型表现不佳，导致泛化能力不足。为解决这些问题，本文提出了一种基于自适应特征提取和时间迁移建模的分布式光伏区域超短期功率预测方法。该方法将卷积神经网络的空间特征捕...

解读: 该自适应特征提取与时间迁移建模技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。超短期功率预测可直接集成至云平台的智能诊断模块，通过自适应机制实时提取气象数据与历史出力特征，结合时间迁移学习捕捉不同天气模式下的功率波动规律，为分布式光伏电站提供15分钟至4小时级精...

考虑时空特征的自适应编解码模型用于分布式光伏电站短期功率预测

Adaptive Encoder-Decoder Model Considering Spatio-Temporal Features for Short-Term Power Prediction of Distributed Photovoltaic Station

Xun Dou · Yehang Deng · Shunjiang Wang · Tianfeng Chu 等6人 · IEEE Transactions on Industry Applications · 2024年1月

考虑到运维成本和技术的影响，分布式光伏电站群内部通常缺乏足够的气象观测设备。所采集气象数据的偏差以及软硬件限制导致的光伏功率数据误差，将直接导致模型预测精度降低。为解决这一问题，本文提出一种具有自适应时空编解码结构的分布式光伏功率短期预测方法，该方法能够适应不同数据输入和不同天气条件下的预测需求，提高预测精度。首先，利用随机森林算法（RF）和皮尔逊相关系数（PCC）对特征重要性进行排序，选取关键输入数据。其次，提出一种基于长短期记忆网络（LSTM）和时空注意力机制（STA）的时空特征编解码模型，...

解读: 从阳光电源的业务视角来看，这项基于自适应时空编解码器的分布式光伏短期功率预测技术具有显著的战略应用价值。 **业务协同价值：**该技术直击分布式光伏电站运维痛点——气象观测设备不足导致的预测精度下降问题。对于阳光电源的智慧能源管理系统而言，精准的功率预测是实现光储协同优化的基础。通过LSTM与时空...