将季内振荡与数值天气预报结合用于15天风电功率预测

Integrating Intra-Seasonal Oscillations With Numerical Weather Prediction for 15-Day Wind Power Forecasting

Shuang Han · Weiye Song · Jie Yan · Ning Zhang 等6人 · IEEE Transactions on Power Systems · 2025年2月

延长风电功率预测（WPF）的时间尺度对于以可再生能源为主的电力系统的电网管理和市场运营至关重要。然而，风电功率预测对数值天气预报（NWP）的高度依赖带来了巨大挑战。基于短期数据的数值天气预报迭代运算会放大其固有的不确定性，导致其超过10天的预报精度降低。为解决这一问题，引入季节内振荡（ISO）来捕捉更长期、更大尺度的气象模式，进而提出了用于15天风电功率预测的ISO - NWP集成框架。首先，开发了一个遥相关（TC）的历史时空定位模型，该模型在季节内振荡的影响下关联远距离的天气变化和风电功率波动...

解读: 该研究对阳光电源的风电变流器和储能系统具有重要应用价值。通过融合季内振荡预测与数值天气预报的混合建模方法，可显著提升风电功率预测精度，这对我司ST系列储能变流器的调度策略优化和PowerTitan储能系统的容量配置具有直接指导意义。具体而言，可将该预测算法集成到iSolarCloud平台，优化储能调...

基于贝叶斯特征选择的区域风电功率预测

Regional Wind Power Forecasting Based on Bayesian Feature Selection

Theodoros Konstantinou · Nikos Hatziargyriou · IEEE Transactions on Power Systems · 2024年4月

近年来，可再生能源在电力系统中的整合程度不断提高。其固有的不可预测性和输出波动给电力系统的安全运行和能源市场定价的稳定性带来了挑战。因此，准确预测可再生能源发电量至关重要。目前已应用的几种有效预测方法均基于机器学习（ML）。应用机器学习方法的一个关键因素是输入特征的选择，在区域风电预测中，这一任务变得更为复杂，因为区域范围可能涵盖整个国家。所提出的方法旨在通过一种数据驱动的、与模型无关的预处理技术精简输入特征，从而提高预测性能。该技术包括将多维数值天气预报数据划分为多个子区域，并剔除无信息的子区...

解读: 该贝叶斯特征选择的预测方法对阳光电源的储能与风电产品线具有重要应用价值。特别是在ST系列储能变流器和风电变流器的智能调度优化方面,可将该预测算法集成到iSolarCloud平台,提升系统对风电功率波动的预判能力。通过筛选关键气象特征与历史数据,可优化储能系统的充放电策略,提高PowerTitan等大...