找到 2 条结果
基于迁移学习和自编码器的极端天气自适应短期风电功率预测
Short-term Wind Power Forecasting for Extreme Weather Adaptation Based on Transfer Learning and Autoencoder
李宇佳陈富豪阎洁葛畅韩爽刘永前 · 电力系统自动化 · 2025年8月 · Vol.49
针对寒潮、台风、覆冰等极端天气下风电功率预测精度低的问题，提出一种基于气象因子的极端天气事件判别方法，并结合迁移学习与自编码器实现自适应短期风电功率预测。通过分析气象要素与机组出力的耦合特性，构建极端天气识别标准；利用自编码器增强长序列特征提取能力，采用‘预训练-微调’策略，在正常天气数据上预训练模型后，基于有限的极端天气样本进行微调，并根据识别结果自适应选用对应模型进行预测。基于12个风电场数据的实验表明，该方法可准确判别极端天气事件，并显著提升预测精度。
解读: 该研究对阳光电源风电变流器和储能系统具有重要应用价值。通过迁移学习和自编码器提升极端天气下的功率预测精度，可优化ST系列储能变流器的调度策略和PowerTitan系统的能量管理。特别是在寒潮、台风等极端天气条件下，该技术可提升风储联合系统的并网稳定性和经济性。建议将此预测方法集成到iSolarClo...
台风条件下含大规模海上风电的电力系统调度策略：一种两阶段样本鲁棒优化方法
Dispatch Strategy for the Power System With Large Offshore Wind Power Integration Under a Typhoon: A Two-Stage Sample Robust Optimization Approach
Jinhua He · Zechun Hu · Yang Liu · Zhiyuan Bao 等5人 · IEEE Transactions on Industry Applications · 2025年1月
台风作为极端天气事件，对电力系统的安全稳定运行构成重大威胁，尤其是那些接入大型海上风电场的电力系统。台风期间对电力系统的影响往往十分严重且难以预测。鉴于获取台风条件下风力发电数据存在挑战，本文利用台风的气压和风场模型，结合蒙特卡罗模拟，生成实时风电数据样本。随后，采用两阶段样本鲁棒优化（SRO）模型来解决大规模海上风电接入电力系统的机组组合（UC）问题。该模型将两阶段样本平均近似（SAA）与鲁棒优化原理相结合，确保了渐近最优性和强大的样本外性能。为处理决策中的非预见性问题，采用隐式决策规则指导火...
解读: 从阳光电源的业务视角来看，该论文提出的台风条件下海上风电调度优化方法具有重要的战略参考价值。随着我国海上风电装机规模快速增长，极端天气下的电网安全稳定运行已成为新能源并网领域的核心挑战，这与阳光电源在储能系统集成、新能源电站解决方案等业务板块高度契合。 论文采用的两阶段样本鲁棒优化方法为应对极端天...