找到 4 条结果
一种基于双流注意力机制的混合网络用于光伏发电预测
A Novel Dual-Stream Attention-Based Hybrid Network for Solar Power Forecasting
Rafiq Asghar · Michele Quercio · Lorenzo Sabino · Assia Mahrouch 等5人 · IEEE Access · 2025年1月
光伏发电功率预测对保障电网安全运行、降低运营成本具有重要意义。本文提出一种基于双向长短期记忆网络（BiLSTM）与卷积神经网络（CNN）的新型双流混合模型，通过并行提取时间与空间特征，并融合多头注意力机制强化关键特征选择。该模型在不同时间窗口、四季及天气条件下进行实验验证，并与三种单一模型和五种混合深度学习模型对比。结果表明，所提模型在多种气象、季节与气候条件下均具备优异的光伏功率预测精度。
解读: 该双流注意力混合预测模型对阳光电源iSolarCloud智能运维平台和ST系列储能系统具有重要应用价值。BiLSTM-CNN双流架构可集成至云平台的功率预测模块，通过多头注意力机制提升不同季节和天气条件下的预测精度，优化SG系列逆变器的MPPT算法动态响应。对PowerTitan大型储能系统，精准的...
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...
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...
基于深度强化学习的多模态对抗攻击下鲁棒光伏功率预测
Robust Photovoltaic Power Forecasting Against Multi-Modal Adversarial Attack via Deep Reinforcement Learning
Jingxuan Liu · Haixiang Zang · Lilin Cheng · Tao Ding 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
随着深度学习与多模态外部数据在光伏功率预测中的广泛应用，网络攻击尤其是虚假数据注入可能严重误导预测结果，威胁电网安全经济运行。现有研究尚未充分关注多模态协同攻击的影响，且难以应对隐蔽性攻击。为此，本文提出一种新型鲁棒预测框架，通过构建充分利用多模态相关性的对抗攻击模拟潜在虚假数据注入，并采用深度确定性策略梯度算法动态调整各模态权重，以抑制数据污染并保留有效信息。 actor与环境模块预训练以提升收敛性与泛化能力。实验表明，在输入扰动低于5%时，所提方法均绝对误差仅增加0.053 kW，显著优于无...
解读: 该多模态鲁棒预测技术对阳光电源iSolarCloud云平台和PowerTitan储能系统具有重要应用价值。针对光伏电站面临的网络安全威胁，可将深度强化学习的动态权重调整机制集成到智能运维平台中，增强气象数据、历史功率等多源信息融合的抗攻击能力。对于ST系列储能变流器的功率预测模块，该方法可有效抵御虚...