李宇佳陈富豪阎洁葛畅韩爽刘永前 · 电力系统自动化 · 2025年1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...