找到 2 条结果
基于动态时空注意力图卷积网络与误差修正的光伏功率预测方法
PV power forecasting method using a dynamic spatio-temporal attention graph convolutional network with error correction
Zhao Zhenabd · Yufei Yang · Fei Wangabc · Nanpeng Yue 等7人 · Solar Energy · 2025年11月 · Vol.300
摘要 优异的短期光伏发电功率预测对于制定光伏发电计划及实现电力系统的经济调度至关重要。然而，现有的短期预测方法并未深入探讨输入特征的可解释性，通常依赖静态相关性分析方法处理数值天气预报（NWP）数据，并且常常忽视对功率预测误差进行修正的关键步骤。针对上述三项研究不足，本文提出一种结合基于分解的误差修正机制的动态时空注意力图卷积网络（STAGCN）短期光伏功率预测方法。首先，采用时空重要性模型解释方法对多源NWP数据进行特征提取，识别出对模型预测具有关键作用的特征变量。其次，引入时空特征变换与融合...
解读: 该动态时空注意力图卷积网络光伏功率预测技术对阳光电源iSolarCloud智能运维平台及储能系统具有重要应用价值。通过多源NWP特征提取和误差修正机制,可显著提升SG系列逆变器的发电功率预测精度,优化PowerTitan储能系统的充放电策略制定。该方法的可解释性增强和动态时空建模思路,可集成至预测性...
一种集成多源数值天气预报的短期非参数概率光伏功率预测两阶段集成学习框架
A Two-Stage Ensemble Learning Framework for Short-Term Nonparametric Probabilistic Photovoltaic Power Forecasting Integrating Multi-Source Numerical Weather Predictions
Hanting Zhao · Yao Zhang · Wei Huo · Fan Lin 等5人 · IEEE Transactions on Power Systems · 2025年9月
利用数值天气预报（NWP）进行短期太阳能功率概率预测（SSPPF）已被证明是一种提高太阳能整合与利用效率的有效方法。然而，大多数现有的SSPPF研究仅采用单源NWP，忽略了多源NWP在提高概率预测准确性和稳健性方面的潜在优势。本文提出了一种用于SSPPF的改进两阶段集成学习预测框架（ITS - ELFF）。ITS - ELFF将多源NWP作为关键的外部协变量，以生成多步分位数预测。在第一阶段，一组稳健且多样的基学习器提供初始分位数预测。在第二阶段，一个元学习器整合所有基学习器的分位数预测，以生成...
解读: 该两阶段集成学习框架对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。通过融合多源NWP数据的非参数概率预测，可显著提升光伏电站功率预测精度，优化MPPT算法的前瞻性控制策略。在PowerTitan储能系统中，高精度概率预测能改进充放电调度决策，提升削峰填谷效果和电网...