找到 2 条结果 · IEEE Transactions on Sustainable Energy
一种用于低风力发电预测的自监督预学习方法
A Self-Supervised Pre-Learning Method for Low Wind Power Forecasting
Weiye Song · Jie Yan · Shuang Han · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
随着风电在电力系统中占比提升，其出力间歇性导致的低功率风险日益突出，准确预测低风力发电对缓解电力短缺至关重要。然而，由于低风速事件稀少，传统方法面临样本不足难题，制约了预测精度提升。为此，本文提出一种自监督预学习方法，通过挖掘低出力样本间的相似性与差异性，分别预测低风力发电事件（LWPE）的发生时段和低风力发电过程（LWPP）的功率序列。针对LWPE预测，设计基于对比学习的孪生残差收缩网络，利用样本对进行特征预学习以缓解样本不平衡；对于LWPP预测，构建基于模式识别的嵌入式预测框架，将典型波动模...
解读: 该自监督预学习方法对阳光电源储能与风电产品线具有重要应用价值。可将其集成至ST系列储能变流器的EMS能量管理系统，提升风储联合运行策略的精准度；应用于PowerTitan大型储能系统的调度优化，实现对低风力时段的精准响应。该技术可优化iSolarCloud平台的预测算法，提高风电场群的运维效率。特别...
基于“动态匹配与在线建模”策略的超短期风功率预测
Ultra-Short-Term Wind Power Forecasting Based on the Strategy of “Dynamic Matching and Online Modeling”
Yuhao Li · Han Wang · Jie Yan · Chang Ge 等6人 · IEEE Transactions on Sustainable Energy · 2024年8月
超短期风功率预测对电力系统实时调度、频率调节和日内市场交易具有重要意义。由于天气系统复杂性、机组老化及风电场控制策略等因素，风功率序列的时间依赖关系时变（即概念漂移），导致常用离线建模方法预测精度偏低。在线建模可利用流式数据最新信息捕捉动态变化规律，但现有方法难以满足电网对预测时效性的要求。为此，本文提出“动态匹配与在线建模”策略，通过幅值与波动特征相似性动态筛选训练样本，提升样本代表性并缩短训练时间；同时在匹配过程中引入数值天气预报风速信息以提高预测精度。基于中国三个风电场运行数据的实验结果表...
解读: 该风功率预测技术对阳光电源储能产品线具有重要应用价值。可直接应用于ST系列储能变流器和PowerTitan大型储能系统的调度控制,通过准确预测风电出力波动,优化储能系统的充放电策略,提升调峰调频性能。'动态匹配'方法可集成到iSolarCloud平台,为储能系统提供更精准的调度指令。该技术的在线建模...