找到 2 条结果
基于领域知识引导的特征与损失函数构建的可解释风电功率预测
Interpretable Wind Power Forecasting with Feature and Loss Function Construction Guided by Domain Knowledge
Yongning Zhao · Yuan Zhao · Yanxu Chen · Haohan Liao 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
针对当前风电功率预测方法缺乏领域知识融合导致精度与可解释性不足的问题，提出一种可解释的数据-知识融合超短期预测模型。通过历史风速输入构建风速-功率曲线生成理论输出，并结合实测数据作为模型输入；设计边界约束损失函数，利用alpha shape算法和局部加权线性回归提取功率上下边界并动态更新以捕捉波动特性；引入基于Jensen-Shannon散度的误差分布形状损失，促使训练误差逼近正态分布。在30个风电场的实验表明，该方法在各预测时域均优于基线模型，且在噪声与缺失数据下具有强鲁棒性。
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。特别是其基于领域知识的边界约束和误差分布优化方法,可直接应用于ST系列储能变流器的功率调度和PowerTitan系统的容量规划。通过将该预测算法集成到iSolarCloud平台,可提升风储联合项目的调度精度和经济性。其数据-知识融合的...
知识集成GAN模型用于光伏并网分析中的全年天气随机时间序列模拟
Knowledge-Integrated GAN Model for Stochastic Time-Series Simulation of Year-Round Weather for Photovoltaic Integration Analysis
Xueqian Fu · Fuhao Chang · Hongbin Sun · Pei Zhang 等5人 · IEEE Transactions on Power Systems · 2025年4月
对于高比例光伏发电的电力系统随机生产模拟而言，气象模拟已变得至关重要。生成式人工智能已成为气象序列随机模拟的核心技术。鉴于生成式人工智能技术在内容生成方面的不可控性，本研究提出了一种由数据与知识融合驱动的年度气象场景随机模拟新方法。融合工作包括构建月度气象生成对抗网络（MWGAN）、一种基于统计概率知识的生成场景质量提升方法，以及一套用于评估生成气象场景的统计机器学习方法。利用中国广东某地48年的气象数据，对所提出的年度气象场景随机模拟方法进行了验证。通过将所提出的模型与五种前沿的生成对抗网络（...
解读: 该知识集成GAN模型对阳光电源光伏储能系统具有重要应用价值。在SG系列光伏逆变器产品线，可用于优化MPPT算法的预测性控制，通过高保真气象序列模拟提升发电功率预测精度；在ST系列储能变流器及PowerTitan大型储能系统中，全年逐时天气随机模拟可支持储能容量优化配置与充放电策略制定，提升系统经济性...