找到 2 条结果
基于残差视觉重构器的天空图像序列超短期太阳能功率预测
Ultra-Short-Term Solar Power Prediction Using Sky Image Sequences by a Residual Vision Reformer
Razieh Rastgoo · Nima Amjady · Shunfu Lin · S. M. Muyeen · IEEE Transactions on Sustainable Energy · 2025年6月
太阳能发电受云层变化影响显著，具有较强不确定性，给可再生能源系统的稳定性带来挑战。准确的超短期太阳能功率预测有助于提升电网调度与运行效率。本文提出一种基于深度学习的预测模型，包含三个核心模块：多流视频视觉Transformer（MS-ViViT）用于提取天空图像序列的时空特征；融合改进型Reformer（Fused I-Reformer）通过融合编码器和新型损失函数增强序列学习能力；以及带注意力机制的残差全连接网络（ARFC）用于最终功率预测。在六个真实数据集上与36种对比模型进行的实验表明，该...
解读: 该基于天空图像序列的超短期光伏功率预测技术对阳光电源智能运维体系具有重要应用价值。可直接集成至iSolarCloud云平台，通过部署天空相机与深度学习模型，实现5-30分钟级功率预测，显著提升SG系列逆变器的MPPT算法响应速度。对于PowerTitan大型储能系统，该技术可优化充放电策略，通过提前...
增强局部峰值点的风电功率预测：一种新型Seq2LPP模型
Enhancing Wind Power Forecasting at Local Peak Points: A Novel Seq2LPP Model
Nanyang Zhu · Ying Wang · Kun Yuan · Yanxia Pan 等5人 · IEEE Transactions on Industrial Informatics · 2025年1月
挖掘基于深度学习（DL）的模型在局部峰值点（LPPs）风电功率预测方面的潜力，仍是一个至关重要但尚未充分探索的方向。尽管现有的基于深度学习的模型在常规风电功率预测（WPF）中表现出色，但它们主要侧重于优化预测时域内整体风电功率预测的平均精度，因此在局部峰值点的预测中表现不佳。由于局部峰值点的风电功率存在大幅波动和非平稳性，基于深度学习的模型更难对其进行预测。考虑到局部峰值点与多源数值天气预报（NWP）数据之间存在强相关性，我们提出了一种由多源数值天气预报数据驱动的新型Seq2LPP模型，以加深对...
解读: 从阳光电源新能源系统集成商的视角来看，该论文提出的Seq2LPP模型针对风电功率预测中局部峰值点（LPPs）的精准预测问题，具有重要的实际应用价值。虽然我司业务以光伏逆变器和储能系统为核心，但在"风光储一体化"和综合能源解决方案领域，精准的风电功率预测直接影响系统调度优化和储能配置策略。 该模型的...