潘春阳 · 文书礼 · 朱淼 · 侯川川 等6人 · 中国电机工程学报 · 2025年6月 · Vol.45

高精度风电功率预测对提升风电消纳与经济效益具有重要意义。针对现有模型离线训练后难以适应实时波动、缺乏在线优化能力的问题，本文提出一种结合概念漂移监测与增量更新机制的超短期风电在线预测方法。通过双通道对冲循环神经网络进行预训练，并在实际运行中利用概念漂移检测识别数据分布变化，实时分析风电波动性；结合对冲算法与在线学习实现模型权重的动态调整，提升模型自适应能力。实验结果表明，该方法较传统离线模型显著提高了预测精度与实时适应性。

解读: 该研究的在线预测与自适应优化技术对阳光电源的新能源产品具有重要应用价值。首先可应用于ST系列储能变流器的功率调度优化，通过实时监测风电波动提升储能调峰效率；其次可集成到iSolarCloud平台，增强对风光储多能互补系统的智能运维能力。双通道对冲循环神经网络的预测框架也可用于SG系列逆变器的MPPT...