陈延旭潘世纪赵永宁叶林 · 电力系统自动化 · 2025年1月 · Vol.49

现有数据驱动的风电功率预测模型因学习偏移性问题，易偏向学习分布集中的样本，导致泛化能力不足。为此，提出一种学习偏移修正的短期预测方法。通过分析差异化样本对预测偏移的影响机制，对时序样本进行分类表征；针对难以预测的极端天气、异常及相似不平衡样本，结合场景生成、渐进式掩码检测与特征增强策略联合修正学习偏移；利用Shapley值评估各类样本重要性，验证修正策略的合理性。实例表明，该方法显著提升预测精度与模型泛化能力。

解读: 该风电功率预测方法对阳光电源储能和光伏产品线具有重要应用价值。首先，其学习偏移修正技术可优化ST系列储能变流器的调度控制策略，提升PowerTitan大型储能系统在风光储联合运行时的能量管理效率。其次，该方法的极端工况处理机制可应用于SG系列逆变器的MPPT算法优化，增强产品在恶劣天气下的发电效率。...