找到 22 条结果 · IEEE Transactions on Sustainable Energy
考虑尾流时空耦合的风电场功率预测
Wind Farm Power Prediction with Wake Spatiotemporal Coupling
Yueteng Xie · Fangming Deng · Wenxiang Luo · Bo Gao 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
在动态气象条件下，风电机组群的功率预测面临尾流效应时空耦合的挑战。本文提出一种考虑尾流效应时空动态耦合的风电场功率预测方法。通过融合风机空间分布与实时气象数据构建动态图网络，实现尾流传播路径的自适应表征。设计双驱协同框架，在时空维度嵌入物理规律约束，缓解数据驱动模型在极端工况下的物理失真问题。构建时空解耦特征增强架构，捕捉风机间空间关联及多时间尺度气象特征。实验结果表明，该方法显著提升预测精度。
解读: 该风电场功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。其时空耦合建模方法可优化ST系列储能变流器的调度策略，提升PowerTitan大型储能系统在风光储多能互补场景下的运行效率。尾流效应动态预测技术可集成到iSolarCloud平台，增强新能源电站群的功率预测精度，为储能调度和电网调峰...
一种基于张量的风电场动态等值建模聚类方法
A Tensor-Based Clustering Method for Dynamic Equivalent Modeling of Wind Farms
Yihao Yang · Yijun Xu · Wei Gu · Lamine Mili 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
采用详细风电机组模型仿真大规模风电场计算成本高昂，亟需兼顾精度的简化建模方法。针对复杂风速条件与网络结构带来的风电场暂态等值精度难题，本文首次提出一种基于张量分解的聚类方法，通过合理分组捕捉风电场高维动态特征，实现精确降阶建模。首先构建保持时空特性的张量结构数据集，进而设计兼顾稀疏性与平滑性的张量分解策略以提取低维特征并指导聚类；最后定制网络聚合策略降低功率损耗误差。多种布局、故障与风况下的仿真结果验证了该方法的优越性能。
解读: 该张量聚类建模方法对阳光电源的大型储能及风电产品具有重要应用价值。可直接应用于PowerTitan储能系统的多机组协调控制和ST系列储能变流器的群控优化,通过降维聚类提升计算效率。对于风电场接入的储能系统,该方法能更精确地预测风电波动特性,优化储能容量配置和调度策略。技术创新点在于通过张量分解捕捉高...
HiGN-ARec：一种用于空间层级光伏功率预测的自适应协调分层图网络
HiGN-ARec: A Hierarchical Graph Network with Adaptive Reconciliation for PV Power Forecasting in Spatial Hierarchy
Yanru Yang · Ping Wang · Shaolong Shu · Feng Lin · IEEE Transactions on Sustainable Energy · 2025年8月
在具有层级结构的电网中，光伏（PV）功率预测至关重要。本文提出一种端到端深度网络HiGN-ARec，可同时预测各层级的光伏功率。该模型包含基础预测与协调两部分：基础预测部分结合先进的时空模块与跨层级交互模块，充分挖掘层级内与层级间信息；协调部分引入可学习的协调矩阵P和聚合矩阵S，以实现预测结果的动态调整与层级一致性约束。实验基于美国国家可再生能源实验室（NREL）的合成数据验证了方法的有效性，结果表明所提方法优于现有对比方法。
解读: 该分层图网络光伏功率预测技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。其层级化预测架构可直接应用于分布式光伏电站的多层级功率管理：从单台SG逆变器到汇流箱、再到区域电站的全链条预测。自适应协调机制能确保各层级预测一致性，可优化PowerTitan储能系统的充放...
基于Transformer扩散模型的风速时空概率预测
Spatio-Temporal Probabilistic Forecasting of Wind Speed Using Transformer-Based Diffusion Models
Hao Liu · Junqi Liu · Tianyu Hu · Huimin Ma · IEEE Transactions on Sustainable Energy · 2025年7月
时空风速预测对提升能源转换效率与优化资源配置具有重要意义。现有方法在捕捉复杂的时空依赖关系及适应风速动态变化方面存在不足。为此，本文提出概率时空扩散Transformer（PSTDT）模型，结合去噪扩散生成模型与Transformer的时空建模优势。该模型引入双空间注意力模块以捕获静态位置关系与动态空间依赖，并设计双阶段时间模块建模周期间依赖与自回归特征，辅以时间自适应层归一化机制提升预测稳定性与精度。实验表明，PSTDT在多个数据集上显著优于现有方法，连续排序概率分数降低8%–20%，平均绝对...
解读: 该时空风速概率预测技术对阳光电源储能系统与智能运维平台具有重要应用价值。在PowerTitan大型储能系统中，精准的风速预测可优化风储协同控制策略，提升ST系列储能变流器的充放电调度精度，降低8%-20%的预测误差可显著改善储能系统的能量管理效率。该Transformer扩散模型的时空建模能力可集成...
基于灰色关联分析与Transformer-GCAN模型的县域分布式光伏日前功率预测
County-level Distributed PV Day-ahead Power Prediction based on Grey Correlation Analysis and Transformer-GCAN Model
Pei Zhang · Bin Zhang · Jinliang Yin · Jie Shi · IEEE Transactions on Sustainable Energy · 2025年7月
县域内分布式光伏电站具有显著的时空相关性，仅考虑时间相关性难以满足日前调度需求。本文提出一种基于灰色关联分析和Transformer-图卷积注意力网络（Transformer-GCAN）的县域日前功率预测方法。首先通过灰色关联度确定光伏电站间的关联关系并构建站间图结构；其次利用Transformer提取各节点时间特征，并结合图卷积网络引入图注意力机制动态捕捉空间特征；最后通过全连接网络融合时空特征实现县域总功率预测。算例结果表明，相较于Transformer-GCN模型，该方法在晴天、多云和雨天...
解读: 该县域分布式光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。通过灰色关联分析构建站间拓扑结构，结合Transformer-GCAN模型捕捉时空特征，可显著提升日前功率预测精度（不同天气条件下RMSE降低11.90%-19.61%）。该方法可直接集成到iSolarClou...
评估结合中间储能的电转X系统中基于网格惩罚的强化学习在可再生能源管理中的应用
Assessing Grid Penalized Reinforcement Learning for Renewable Energy Management of Power-to-X Integrated With Intermediate Storage
Jeongdong Kim · Jonggeol Na · Joseph Sang-Il Kwon · Seongbin Ga 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
本研究通过详细案例与对比分析，探讨了在可再生能源与电价不确定性下，基于深度强化学习（DRL）的电转X（PtX）系统规划策略。提出一种融合混合储能系统的DRL小时级规划模型，采用网格惩罚奖励函数以抑制电网电力过度使用，并考虑可再生能源出力与电价的时间不确定性。利用法国国家实际数据，将该模型与规则基线模型在不同时空不确定性下进行比较。结果表明，DRL模型在全国范围内实现月利润提升1360.12%，尽管可再生能源渗透率略低，但通过提高电网惩罚强度可有效缩小渗透率差距并维持高盈利性。该研究首次量化揭示了...
解读: 该DRL驱动的可再生能源管理技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。研究提出的网格惩罚强化学习策略可直接应用于储能系统的能量管理系统（EMS），通过动态优化充放电策略，在电价波动和新能源出力不确定性下实现经济性最优。混合储能系统的小时级规划模型可集成至iSol...
基于样本图的多元短期光伏功率预测
Sample-Wise Graph-Based Multivariate Short-Term PV Power Forecasting
Xuguang Wang · Wangjie Liu · Junhong Ni · Mi Zhang · IEEE Transactions on Sustainable Energy · 2025年6月
可靠的短期光伏（PV）功率预测对电力系统电源的合理调度与运行成本的有效控制具有重要意义。然而，光伏功率数据的时间错位及回归精度不平衡问题严重影响预测可靠性。本文从预测模型样本的角度研究多元光伏功率预测。首先，通过时延向量参数化样本的错位程度；进而定义样本图以关联时延向量与光伏功率数据；随后通过最小化样本图的平滑性度量估计时延向量；最后提出基于样本图的样本加权策略，缓解回归精度不平衡问题。在真实数据集上的实验验证了所提方法的有效性，对比实验表明该方案显著提升了短期光伏功率预测性能。
解读: 该样本图多元预测技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。通过时延向量参数化解决光伏功率数据时间错位问题，可显著提升SG系列逆变器集群的短期功率预测精度，优化MPPT算法的前瞻性控制。样本加权策略能改善回归精度不平衡，特别适用于ST储能变流器的充...
基于残差视觉重构器的天空图像序列超短期太阳能功率预测
Ultra-Short-Term Solar Power Prediction Using Sky Image Sequences by a Residual Vision Reformer
Razieh Rastgoo · Nima Amjady · Shunfu Lin · S. M. Muyeen · IEEE Transactions on Sustainable Energy · 2025年6月
太阳能发电受云层变化影响显著，具有较强不确定性，给可再生能源系统的稳定性带来挑战。准确的超短期太阳能功率预测有助于提升电网调度与运行效率。本文提出一种基于深度学习的预测模型，包含三个核心模块：多流视频视觉Transformer（MS-ViViT）用于提取天空图像序列的时空特征；融合改进型Reformer（Fused I-Reformer）通过融合编码器和新型损失函数增强序列学习能力；以及带注意力机制的残差全连接网络（ARFC）用于最终功率预测。在六个真实数据集上与36种对比模型进行的实验表明，该...
解读: 该基于天空图像序列的超短期光伏功率预测技术对阳光电源智能运维体系具有重要应用价值。可直接集成至iSolarCloud云平台，通过部署天空相机与深度学习模型，实现5-30分钟级功率预测，显著提升SG系列逆变器的MPPT算法响应速度。对于PowerTitan大型储能系统，该技术可优化充放电策略，通过提前...
FDCA-DSTGCN：一种基于频域信息增益与动态趋势感知的风电场群功率日前预测模型
FDCA-DSTGCN: A Wind Farm Cluster Power Day-Ahead Prediction Model Based on Frequency Domain Information Gain and Dynamic Trend Sensing
Mao Yang · Jiajun Niu · Bo Wang · Dawei Huang 等6人 · IEEE Transactions on Sustainable Energy · 2025年5月
准确的风电场群功率预测对大规模风电接入的新一代电力系统至关重要。现有建模方法忽略风向及频域信息的作用，导致空间信息利用不足，预测精度提升受限。为此，本文提出一种融合频域信息增益与动态趋势感知的风电场群日前功率预测模型。首先，基于图论与多信息渐进融合进行集群划分并设置虚拟信息节点；其次，提出时间窗内主导风向识别方法，构建基于主导风向与风速的动态加权有向图结构；进而，设计引入频域增益通道注意力机制的动态时空图卷积网络（FDCA-DSTGCN）完成预测。在中国内蒙古某风电场群的实证结果表明，所提方法较...
解读: 该风电场群功率预测技术对阳光电源储能与电网侧产品具有重要应用价值。首先可应用于ST系列储能系统的调度优化，通过频域信息增益提升储能容量配置精度，优化充放电策略。其次可集成到iSolarCloud平台，为新能源电站群的智能运维提供更准确的功率预测支持。该模型的动态时空图卷积网络架构也可迁移应用于光伏电...
基于SCADA数据的周期增强型Informer模型用于短期风电功率预测
Periodic-Enhanced Informer Model for Short-Term Wind Power Forecasting Using SCADA Data
Zhao-Hua Liu · Long-Wei Li · Hua-Liang Wei · Ming Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年4月
针对风电场SCADA系统提供的丰富运行与环境数据，提出一种周期增强型Informer模型用于短期风电功率预测。首先，采用基于v-p曲线与四分位法结合的方法滤除稀疏离群点，并利用DBSCAN算法去除功率曲线中的聚集噪声；其次，基于最大信息系数筛选多特征输入集以提升数据利用效率；进而设计时序卷积网络提取输入特征的标量投影，并融合局部与全局时间戳构建周期信息增强的嵌入层；最后，在Informer模型中引入多尺度深度融合模块，实现跨时间尺度特征的深层整合，有效避免了模型加深带来的资源浪费与过拟合问题。实...
解读: 该周期增强型Informer模型对阳光电源的智能运维和储能系统具有重要应用价值。首先，该模型的多特征输入与时序预测技术可直接应用于iSolarCloud平台的发电预测模块，提升风光储多能互补系统的调度效率。其次，模型的周期性特征提取方法可优化ST系列储能变流器的能量管理策略，特别是在PowerTit...
基于时空图对比学习的风电功率预测
Spatiotemporal Graph Contrastive Learning for Wind Power Forecasting
Guiyan Liu · Yajuan Zhang · Ping Zhang · Junhua Gu · IEEE Transactions on Sustainable Energy · 2025年2月
精确且鲁棒的风电功率预测对电力系统的安全稳定运行至关重要。基于图卷积网络的混合时空预测模型因在空间特征提取方面的优势而受到广泛关注，但其性能易受数据噪声和缺失影响导致的图结构质量下降制约。本文提出一种基于时空图对比学习的混合深度学习模型，其编码器结合自适应图卷积网络与LSTM以捕捉细粒度时空依赖关系。为提升编码器对数据噪声的鲁棒性，我们在特征层和拓扑层引入数据增强，并设计了时序与空间双重视角的对比学习辅助任务。此外，通过融合静态图与可学习参数矩阵构建自适应图以捕获更全面的空间关联。在两个真实数据...
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先可集成至ST系列储能变流器和PowerTitan系统的能量管理系统(EMS)中,提升风储联合运行的调度精度。其次,该技术的时空图对比学习方法可优化iSolarCloud平台的预测算法,提高新能源电站群的发电预测准确性。特别是其抗噪...
基于OWT-STGradRAM的超短期时空风速预测
Ultra-Short-Term Spatio-Temporal Wind Speed Prediction Based on OWT-STGradRAM
Feihu Hu · Xuan Feng · Huaiwen Xu · Xinhao Liang 等5人 · IEEE Transactions on Sustainable Energy · 2025年2月
考虑风电场中风机站点的方向与距离特征有助于提升风电功率预测精度。本文提出一种基于正交风向变换时空梯度回归激活映射（OWT-STGrad-RAM）的深度学习时空预测方法。该模型将风电场编码为图像，各风机作为图像中的点，通过时空融合卷积网络集成风速、温度和气压等多源数据进行特征融合与预训练，构建特征数据集。利用OWT消除不同主导风向的影响，结合STGrad-RAM刻画风机节点间的方位与距离关系，增强空间特征的可解释性，并用于风速预测。实验结果表明，所提方法在预测精度上显著优于对比模型。
解读: 该风速预测技术对阳光电源的储能和风电产品具有重要应用价值。OWT-STGradRAM模型通过深度学习实现的高精度风速预测，可优化ST系列储能变流器的调度策略和PowerTitan储能系统的容量配置。在风电场应用中，该技术可提升风电并网点功率预测精度，有助于改进储能系统的功率平滑控制和调频调峰性能。模...
预算约束下的协作式可再生能源预测市场
Budget-Constrained Collaborative Renewable Energy Forecasting Market
Carla Gonçalves · Ricardo J. Bessa · Tiago Teixeira · João Vinagre · IEEE Transactions on Sustainable Energy · 2025年1月
准确的可再生能源发电功率预测对提升电力系统中可再生能源容量及实现可持续发展目标至关重要。本文强调将去中心化的时空数据融入预测模型的重要性，并针对数据分散所有权带来的挑战，提出促进数据共享的激励机制。主要贡献包括：a）通过比较分析推荐高效且可解释的样条LASSO回归模型；b）设计数据与分析市场中的 bidding 机制，确保数据提供者获得公平补偿，并支持买卖双方表达价格诉求。此外，提出一种结合价格约束、避免冗余特征分配的时间序列预测激励机制。实验结果表明，所提方法显著提升了预测精度，风力发电数据的...
解读: 该研究的可再生能源预测市场机制对阳光电源的储能和光伏产品线具有重要应用价值。首先，高精度的时空预测模型可直接应用于PowerTitan储能系统的调度优化，提升储充策略的经济性。其次，样条LASSO回归方法可集成到iSolarCloud平台，为分布式光伏电站和储能系统提供更准确的发电/负荷预测。通过数...
一种考虑飓风影响的风电并网系统鲁棒储能规划新方法
A Novel Robust Energy Storage Planning Method for Grids With Wind Power Integration Considering the Impact of Hurricanes
Huaizhi Yang · Cong Zhang · Jiayong Li · Lipeng Zhu 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
本文提出了一种新型储能系统（ESS）规划方法，旨在提升飓风期间ESS的应急能力，同时增强正常天气下可再生能源的消纳水平。所提出的鲁棒储能规划（NREP）模型综合考虑了飓风期间风电出力与输电线路故障的不确定性及其相关性，有效降低了负荷损失和弃风量。通过信息融合构建了与飓风强度相关的时空不确定性集合，提高了线路故障建模精度与求解效率。进一步设计了包含非预期性约束的改进列约束生成（ICCG）算法，能够关联场景并识别发电依赖的最恶劣场景，提升了多时段发电决策在非预期性不确定性下的可行性，并减少了各类场景...
解读: 该鲁棒储能规划方法对阳光电源PowerTitan大型储能系统和ST系列储能变流器在极端气候场景下的应用具有重要价值。文章提出的时空不确定性建模和改进列约束生成算法，可直接应用于阳光电源储能系统的能量管理策略（EMS）优化，特别是在台风、飓风等极端天气下提升系统应急响应能力。该方法考虑风电出力与线路故...
基于重叠历史数值天气预报集成的日内风电功率预测
Intraday Wind Power Forecasting by Ensemble of Overlapping Historical Numerical Weather Predictions
Yongning Zhao · Shiji Pan · Yanxu Chen · Haohan Liao 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
数值天气预报（NWP）对提升日内风电功率预测（WPF）精度至关重要。然而，传统方法仅依赖最新单次NWP，忽略了时序发布且时间重叠的多段历史NWP中的隐含信息。为此，本文提出一种融合重叠历史NWP的时空表征学习网络。通过掩码-重构预训练策略提取风电与NWP的隐含特征，并结合端到端微调及硬参数共享的多任务学习机制，提升多风电场预测均衡性。基于5个真实风电场的实验表明，该方法在各预测时域均优于基线模型。
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先，可将其集成至ST系列储能系统的EMS能量管理模块，提升风储联合运行的调度精度。其次，该技术可优化iSolarCloud平台的新能源发电预测功能，通过多时序NWP数据融合提升预测准确度，为用户提供更可靠的发电计划和运维决策支持。特...
基于Wind2vec-BERT模型的短期风功率预测
Short-Term Wind Power Prediction Based on Wind2vec-BERT Model
Miao Yu · Jinyang Han · Honghao Wu · Jiaxin Yan 等5人 · IEEE Transactions on Sustainable Energy · 2024年11月
在新能源发展背景下，短期风功率预测的精度要求日益提高。针对风电出力受多重因素影响而具有随机性和波动性，且现有神经网络方法多忽略输入变量间交互作用的问题，本文探索BERT算法在风功率预测中的应用。提出Wind2vec变量嵌入方法以更高效拟合时序变量关系，并结合GARCH模型对预测结果进行波动性建模优化。采用自适应计算时间（ACT）方法对BERT主干网络参数进行微调，增强其对电力序列输入的适应性。通过双向注意力机制与Transformer架构捕捉历史风数据中的细粒度时序依赖关系。基于中国南方电网实际...
解读: 该研究的Wind2vec-BERT预测模型对阳光电源的储能与风电产品线具有重要应用价值。可直接应用于ST系列储能变流器的能量调度优化和PowerTitan大型储能系统的容量配置,提升系统经济性。BERT-GARCH-M模型的高精度预测能力可集成到iSolarCloud平台,优化风储联合运行策略,提升...
一种基于迁移学习的集成稀疏门控图密度网络用于多站点可再生能源概率预测
An Integrated Sparse Gated Graph Density Network Based on Transfer Learning for Multi-Site Probabilistic Forecasting of Renewable Energy
Kang Wang · Jianzhou Wang · Zhiwu Li · Yilin Zhou · IEEE Transactions on Sustainable Energy · 2024年10月
大规模新能源并网对智能电网的安全高效运行带来严峻挑战。可再生能源概率预测（REPF）技术可分析发电不确定性，量化风险平衡，防止电网崩溃。然而，现有依赖时空图的方法难以准确估计可再生能源的概率密度函数（PDF），导致对分布式发电系统的不确定性分析不足。为此，本文提出一种融合迁移学习的集成稀疏门控图密度网络（ISGGDN）。该模型结合交叉注意力与残差连接，构建稀疏门控图动态卷积网络，有效提取站点间空间特征及时空交互关系，提升概率预测精度。同时，设计多种迁移学习微调策略，增强特征迁移能力。基于相邻多站...
解读: 该ISGGDN多站点概率预测技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。通过稀疏门控图网络捕捉分布式光伏电站间时空关联，可显著提升SG系列逆变器集群的功率预测精度，为ST系列储能变流器提供更准确的充放电调度依据。其概率密度函数估计能力可优化储能系统...
WPFormer：一种具有自相关性的时空图Transformer用于风电功率预测
WPFormer: A Spatial-Temporal Graph Transformer With Auto-Correlation for Wind Power Forecasting
Xuefeng Liang · Qingshui Gu · Xiaochuan You · IEEE Transactions on Sustainable Energy · 2024年10月
风能作为技术成熟且便于开发的清洁能源，在能源结构中占据重要地位。精确的风电功率预测对制定发电计划、提升电力系统经济性与可靠性至关重要。然而，恶劣运行环境导致数据异常频发，加之风速自然变化、人为干预及机组状态耦合作用，使得风电出力呈现弱周期性和强波动性。为此，本文提出WPFormer框架，设计基于风电曲线的半监督WEDS双流评分模型用于异常检测与数据修复，并提出基于自注意力机制的FEDS特征选择方法。引入风机空间关联信息，结合自相关多序列分解与多头注意力机制，有效捕捉随机性背后的预测规律，克服弱周...
解读: 该研究的时空图Transformer预测框架对阳光电源的储能和风电产品具有重要应用价值。特别是其异常检测与数据修复技术可优化ST系列储能变流器的运行策略和PowerTitan系统的调度效率。自相关多序列分解方法可提升iSolarCloud平台的预测性能,有助于风储联合项目的智能运维。该技术对构网型G...
考虑电压越限概率敏感性的高比例可再生能源交直流配电网过电压规避模型
An Overvoltage-Averse Model for Renewable-Rich AC/DC Distribution Networks Considering the Sensitivity of Voltage Violation Probability
Bo Tong · Lu Zhang · Gen Li · Bo Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2024年10月
可再生能源的快速增长提高了电压越限概率。基于电压源换流器和储能的交直流配电网可通过时空功率转移有效抑制电压越限。然而，现有不确定场景下的电压越限缓解方法常受限于求解时间长或建模复杂，难以满足日内调度对过电压概率降低的需求。此外，通过换流器耦合的互联子系统间功率调整相互影响，某线路过电压抑制可能引发另一线路恶化。本文提出一种考虑电压越限概率敏感性的两阶段过电压规避模型，解析刻画功率调节对系统过电压概率的影响。日前优化构建为机会约束模型，日内优化构建为可高效求解的二次凸模型。仿真结果表明，所提方法能...
解读: 该过电压规避模型对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的电压越限概率敏感性分析方法，可直接应用于阳光电源交直流混合配电网解决方案中，通过储能系统的时空功率转移实现电压调控。所提两阶段优化模型（日前机会约束+日内二次凸优化）可集成至iSolarClou...
基于图的大规模概率光伏功率预测方法：对时空缺失数据不敏感
Graph-Based Large Scale Probabilistic PV Power Forecasting Insensitive to Space-Time Missing Data
Keunju Song · Minsoo Kim · Hongseok Kim · IEEE Transactions on Sustainable Energy · 2024年8月
近年来，集成分布式能源的电力系统被用于应对气候变化，但也增加了系统的不确定性与复杂性，亟需考虑高精度的概率化预测方法。本文提出一种可扩展且对缺失数据不敏感的多站点光伏功率概率预测框架，专注于大规模光伏电站及时空数据缺失场景。所提出的基于图神经网络的随机粗粒度图注意力与概率时空学习机制，在预测精度和模型训练复杂度方面均表现优异，并能自适应地在时空域内填补缺失数据。消融实验表明，该框架能有效捕捉大规模光伏站点间的复杂时空特征。在超过1600个光伏站点及三类时空缺失数据上的实验结果显示，平均预测性能提...
解读: 该基于图神经网络的大规模光伏功率概率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。可直接应用于：1）SG系列逆变器集群的功率预测与调度优化，通过时空关联建模提升多站点协同控制精度；2）PowerTitan储能系统的充放电策略制定，基于概率预测结果优化能量管理；3）智能诊断系统...
第 1 / 2 页