找到 12 条结果
基于两阶段级联模型的光伏功率群体预测方法
A Two-Stage Cascaded Model for Group Photovoltaic Power Forecasting
谢宇辰孙玉玺耿光超江全元 · 高电压技术 · 2025年7月 · Vol.51
光伏发电的不确定性与波动性使得准确预测成为提升系统效率的关键挑战。相较于单站点预测，群体预测可提升整体精度，有助于省级电网的电力电量平衡。本文提出一种两阶段级联模型：第一阶段结合数值天气预报，采用混合神经网络对各站点独立进行短期光伏功率预测；第二阶段利用全连接层建立单站与群体预测间的映射关系，在保留第一阶段特征的基础上优化整体预测性能。实验结果表明，该方法较单站点预测误差降低近1%，且训练时间短于单一模型，验证了其优越的预测性能。
解读: 该两阶段级联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。第一阶段的混合神经网络可集成到SG系列逆变器的本地MPPT优化算法中，结合NWP数据实现单站点精准预测；第二阶段的群体映射模型可部署于省级电网侧的PowerTitan大型储能系统，通过全连接层建立多站点协同预测...
考虑NWP传递熵因果验证的光伏功率预测误差溯源方法
Photovoltaic Power Forecasting Error Tracing Method Considering NWP Transfer Entropy Causality Verification
叶林 · 吕可欣 · 裴铭 · 罗雅迪 等6人 · 电力系统自动化 · 2025年1月 · Vol.49
功率预测误差溯源有助于分析误差成因并优化预测模型。光伏功率预测误差受数值天气预报（NWP）精度及多气象要素影响显著，现有方法难以对多种NWP数据进行定量归因。为此，提出一种结合NWP传递熵因果验证的误差溯源方法。首先采用滑动窗算法对预测误差进行趋势划分，并结合变分模态分解实现频域特征提取，获得误差特征段；进而利用传递熵检验不同NWP变量与误差间的因果关系，并量化各NWP数据对误差特征段的贡献度。算例验证表明，该方法能有效溯源由NWP引起的光伏功率预测误差。
解读: 该NWP传递熵因果验证的误差溯源方法对阳光电源iSolarCloud智能运维平台具有重要应用价值。通过传递熵量化气象要素与预测误差的因果关系，可直接集成到SG系列光伏逆变器的功率预测模块，实现误差成因的精准定位。该方法结合变分模态分解的频域分析能力，可优化PowerTitan储能系统的充放电策略制定...
基于可学习小波自注意力模型的海上风电功率超短期预测
A Learnable Wavelet Self-Attention Model for Ultra-Short-Term Offshore Wind Power Forecasting
汪敏 · 荣腾飞 · 李茜 · 魏澈 等5人 · 高电压技术 · 2025年3月 · Vol.51
为提升海上风电功率超短期预测的精度与可信度，提出一种融合可学习小波的自注意力模型。该模型结合小波分解与深度学习，实现多频域特征提取，并通过稀疏自注意力机制捕获全局时序依赖，增强预测性能。进一步设计时序“敏感度”量化分析方法，对输入变量进行多维度重要性评估，辅助解析预测机理。基于实际风场数据的实验结果表明，所提模型在预测精度上优于对比模型。
解读: 该研究的可学习小波自注意力模型对阳光电源的新能源预测与智能运维具有重要应用价值。首先，该技术可集成到iSolarCloud平台，提升风电场功率预测精度，优化储能调度策略，特别适用于ST系列储能变流器的功率调节。其次，模型的多频域特征提取方法可应用于光伏电站的发电预测，提高SG系列逆变器的MPPT效率...
场景分类与隐私保护下的分布式光伏功率预测协同训练策略
Collaborative Training Strategy for Distributed Photovoltaic Power Forecasting under Scene Classification and Privacy Protection
邓芳明吴磊王锦波韦宝泉高波李泽文 · 太阳能学报 · 2025年1月 · Vol.46
针对光伏电站分布分散及数据缺失导致的预测精度不足问题，提出一种结合场景分类与隐私保护的分布式光伏短期功率预测协同训练策略。通过皮尔逊相关系数筛选关键气象特征，采用模糊C均值聚类划分天气场景，并将相似区域分组构建多场景预测模型。引入多任务学习机制改进联邦学习框架，保留站点差异性并提升模型泛化能力。实验表明，该方法在不同天气下较多种模型准确率最高提升24.77%，RMSE最大降低89.24%，且相较传统联邦学习缩短50%通信轮次，平均用户识别率提升8%。
解读: 该协同训练策略对阳光电源iSolarCloud智能运维平台具有重要应用价值。通过场景分类与联邦学习框架，可在保护各电站数据隐私前提下，实现SG系列光伏逆变器的分布式功率预测优化，预测精度提升24.77%直接增强电站调度能力。多任务学习机制保留站点差异性，适配阳光电源分布式光伏监控系统的异构场景需求。...
基于相似日与VMD-DBO-KELM的分布式光伏发电功率预测方法
A Distributed Photovoltaic Power Forecasting Method Based on Similar Days and VMD-DBO-KELM
方朝雄 · 郑洁云 · 张章煌 · 陈若晨 等6人 · 高电压技术 · 2025年7月 · Vol.51
为降低气象因素对分布式光伏发电功率预测精度的影响，提出一种结合相似日划分与变分模态分解（VMD）及蜣螂优化算法优化核极限学习机（DBO-KELM）的预测方法。首先采用改进ISODATA算法对历史发电数据进行相似日聚类；其次利用VMD将功率序列分解为多个模态分量，并分别输入DBO优化的KELM模型进行预测；最后重构各分量得到最终预测结果。基于实测数据的算例分析表明，该方法在不同相似日场景下均具有较高预测精度和良好适应性。
解读: 该VMD-DBO-KELM功率预测方法对阳光电源iSolarCloud智能运维平台具有直接应用价值。通过相似日聚类与变分模态分解技术，可显著提升SG系列光伏逆变器的功率预测精度，优化MPPT算法的前瞻性控制策略。该方法可集成至PowerTitan储能系统的能量管理模块，实现光储协同优化调度，提高ST...
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...
一种基于局部到全局映射的具有通信容错能力的风电场分散控制方法
A Local-to-Global Mapping Based Decentralized Control Method With Communication Fault Tolerance for Wind Farms
作者未知 · IEEE Transactions on Industrial Informatics · 2025年1月
本文提出了一种用于风电场的模块化分散控制方法，旨在无需即时通信的情况下优化风力发电机组之间的功率分配。该方法利用两个数据驱动模块的非线性拟合能力，结合现有的集中控制方法，实现对每台风力发电机组的分散控制。具体而言，局部 - 全局映射模块捕捉每台风力发电机组的历史局部状态变量与风电场当前全局状态变量之间的复杂关系。开环和闭环预测模式使需求功率预测模块能够在各种通信延迟情况下，对输电系统运营商所需的有功功率进行局部预测。根据是否需要来自输电系统运营商的数据，两种经典的多目标控制模式被纳入本地控制器。...
解读: 从阳光电源的业务视角来看，这篇论文提出的分散式控制方法具有重要的技术迁移价值。虽然研究聚焦于风电场控制，但其核心思想——基于本地到全局映射的去中心化控制架构——与我们在大规模光伏电站和储能系统集群控制中面临的挑战高度契合。 该技术的核心价值在于通过数据驱动模块实现了通信容错能力。在实际应用中，阳光...
基于GPT的超短期分布式光伏发电功率预测方法
An Ultra-Short-Term Distributed Photovoltaic Power Forecasting Method Based on GPT
Hengqi Zhang · Jie Yang · Siyuan Fan · Hua Geng 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着大量分布式光伏电站并网，提升发电功率预测精度对电力系统安全经济运行具有重要意义。针对现有方法在数据稀缺与随机波动方面的挑战，本文提出一种基于生成式预训练Transformer（GPT）的超短期分布式光伏功率预测方法。通过生成多空间分辨率的虚拟光伏功率数据，预训练Transformer模型，并利用少量实测数据进行微调。注意力机制通过预训练学习历史数据中的相关性，微调实现新电站的轻量化部署与高精度预测。实验结果表明，所提方法在仅1个月实测数据下，相比LSTM、线性模型和Transformer模型...
解读: 该基于GPT的超短期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。可直接集成至SG系列光伏逆变器的智能诊断系统，通过少量实测数据实现新建电站的快速部署与高精度预测，相比传统LSTM方法RMSE降低37.22%。该技术可优化PowerTitan储能系统的充放电策略，提升...
基于气泡熵融合与SCAD正则化的鲁棒模糊认知图在光伏发电预测中的应用
Learning a Robust Fuzzy Cognitive Map Based on Bubble Entropy Fusion With SCAD Regularization for Solar Power Generation
Shoujiang Li · Jianzhou Wang · Hui Zhang · Yong Liang · IEEE Transactions on Sustainable Energy · 2025年2月
精确可靠的光伏功率预测对智能电网的经济调度与稳定运行至关重要。针对太阳能固有的间歇性、非平稳性和随机性导致现有方法难以满足高精度预测需求的问题，本文提出一种结合气泡熵与平滑截断绝对偏差（SCAD）正则化的模糊认知图（FCM）预测方法（BesFCM）。该方法利用气泡熵融合两种模态分解技术以增强光伏数据特征的稳定性与判别性，构建融合模糊逻辑、神经网络与专家系统的FCM模型，并引入高阶SCAD正则化学习机制抑制过拟合，提升模型鲁棒性与泛化能力。实验结果表明，该方法在比利时多区域、多采样间隔的光伏数据集...
解读: 该鲁棒模糊认知图预测技术对阳光电源iSolarCloud智能运维平台和PowerTitan储能系统具有重要应用价值。其气泡熵融合与SCAD正则化方法可显著提升光伏功率预测精度，直接优化SG系列逆变器的MPPT算法和功率预测模块。在储能侧，精准的发电预测能改进ST系列储能变流器的充放电策略，降低备用容...
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...
多步联合概率海上风电功率预测：一种基于置信度触发聚类的缺失数据容忍模型
Multistep Joint Probabilistic Forecasting of Offshore Wind Power: A Confidence-Triggered Clustering Missing-Data Tolerant Model
Zhengganzhe Chen · Chenglong Du · Bin Zhang · Chaoyang Chen 等5人 · IEEE Transactions on Industrial Informatics · 2025年9月
准确可靠的海上风电场集群发电预测对于多能电力系统的低碳运行至关重要。在实际应用中，由于数据采集系统的各种故障问题或恶劣海洋环境中的通信中断，测量数据可能并不总是完整的，而关键数据的缺失可能会显著降低概率模型的可信预测精度。为解决这一问题，本文提出了一种基于置信触发模糊聚类分位数增强变压器（CFCQET）的新型容忍缺失数据模型。首先，开发了一种基于分位数增强变压器的多步风电概率预测方法，其中预测值通过条件置信期望进行迭代更新。然后，基于风电场的时空特征，构建了海上风电场的模糊C均值（FCM）聚类模...
解读: 从阳光电源新能源综合解决方案提供商的视角来看，这篇论文提出的海上风电集群多步概率预测技术具有重要的战略参考价值。虽然论文聚焦风电场景，但其核心方法论对阳光电源在光伏电站群、风光储一体化项目以及多能源管理系统中的功率预测能力提升具有直接借鉴意义。 该技术的核心创新在于缺失数据容忍机制和置信度触发策略...
利用LGB模型和合成特征增强光伏功率预测
Enhancing Photovoltaic Power Forecasting Using the LGB Model and Synthetic Features
Costanza Luppi · Francesco Lo Franco · Vincenzo Cirimele · Mattia Ricco 等5人 · IEEE Journal of Photovoltaics · 2025年4月
在过去十年里，对可持续能源不断增长的需求使得人们对光伏发电产生了浓厚兴趣。由于光伏发电具有间歇性，准确的光伏功率预测对于光伏系统的高效管理和监测至关重要。在这种情况下，气象数据的准确性至关重要。然而，并不总是能够在当地获取此类数据，而且通常像辐照度这样的一些信息是从其特性未被详细了解的模型中获取的。为克服这一局限性，本研究评估了五种合成特征，这些特征结合了晴空全球水平辐照度和云量数据，用于在没有直接测量数据的情况下估算总辐照度。使用轻梯度提升模型来评估采用这些合成特征的模型的预测性能，并与基于包...
解读: 该LGB模型结合合成特征的光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有直接应用价值。通过时间序列衍生特征和环境变量非线性组合，可显著提升SG系列光伏逆变器的短期功率预测精度，优化MPPT算法的前瞻性控制。在PowerTitan储能系统中，精准的光伏出力预测能改进充放电策略制定，提...