找到 9 条结果
考虑时序特征缺失值动态插补的超短期风电功率预测
Ultra-short-term Wind Power Forecasting Considering Dynamic Imputation of Missing Values in Temporal Features
李丹 · 唐建 · 缪书唯 · 黄烽云 等5人 · 中国电机工程学报 · 2025年17月 · Vol.45
针对风电功率预测中时序数据缺失问题，提出一种融合动态插补机制的超短期预测方法。通过设计嵌入时滞衰减插补策略的门控循环单元，动态捕捉缺失值前后观测间的不规则时滞依赖，并结合掩码自相关分析确定最优时窗与衰减参数。构建序列到序列模型以协调输入特征维度变化，输出15分钟至4小时的功率预测序列。实验表明，该方法在含缺失数据场景下较传统方法具有更高精度与稳定性。
解读: 该时序特征缺失值动态插补技术对阳光电源的智能运维和储能系统具有重要应用价值。可直接应用于iSolarCloud平台的风电场监控预测模块，提升发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节和PowerTitan系统的容量配置提供更准确的数据支撑。该方法可与现有GFM/GFL控制算法...
基于模型学习偏移修正的短期风电功率预测方法
A Model Learning Bias Correction Approach for Short-Term Wind Power Forecasting
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。...
基于尾流关联的动态超图风电功率超短期预测方法
A Dynamic Hypergraph-Based Ultra-Short-Term Wind Power Prediction Method Considering Wake Effects
钟吴君李培强涂春鸣 · 中国电机工程学报 · 2025年12月 · Vol.45
精准的风电功率预测对电力系统安全稳定运行具有重要意义。针对风电场内风机间受尾流效应影响存在的复杂时空关联特性，现有方法因忽略其动态变化且受限于传统图结构的二元表达能力，难以准确建模多元关系。本文提出一种基于尾流关联的动态超图预测方法，将风机作为节点，利用空间位置与多元关系构建超边，并结合Jensen尾流模型与射线法建立动态超图结构。设计动态超图卷积与双向LSTM融合的时空特征提取与拟合模块，有效捕捉风电功率的动态时空依赖性。基于真实数据的实验验证了该方法在多维度上的优越性。
解读: 该研究的动态超图预测方法对阳光电源的风电变流器和智能运维系统具有重要应用价值。首先，该方法可集成到iSolarCloud平台的预测模块中，提升风电场发电功率预测精度，优化调度策略。其次，对于风储混合电站的ST系列储能变流器，精准的功率预测有助于优化储能调度和容量配置。此外，该方法的时空特征建模思路可...
基于迁移学习和自编码器的极端天气自适应短期风电功率预测
Short-term Wind Power Forecasting for Extreme Weather Adaptation Based on Transfer Learning and Autoencoder
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...
基于期望实现的深度学习的风电功率与爬坡率确定性及概率预测
Deterministic and Probabilistic Forecasting of Wind Power Generation and Ramp Rate With Expectation-Implemented Deep Learning
Min-Seung Ko · Hao Zhu · Kyeon Hur · IEEE Transactions on Sustainable Energy · 2025年7月
准确的日前风电功率确定性与概率预测对电力系统可靠高效运行至关重要，尤其在以可再生能源为主导的系统中。同时，风电固有的波动性要求对爬坡率进行日前预测以保障能量平衡。为此，本文提出一种小时级日前预测框架，可同时预测风电出力与爬坡率。该框架采用基于定制损失函数的期望实现深度学习模型，结合特征构造与前馈误差学习策略，在多任务间保持平衡并提升性能。框架进一步融合异构模型输出，生成发电量与爬坡率的概率预测。基于真实数据的实验验证了各模块的有效性，结果表明所提方法能有效识别风电内在波动特性，充分挖掘其应用潜力...
解读: 该风电功率与爬坡率预测技术对阳光电源储能产品线具有重要应用价值。可直接应用于PowerTitan大型储能系统的调度优化,通过深度学习模型预测风电波动特性,提前部署储能容量与功率配置。对ST系列储能变流器的GFM控制策略也有重要参考意义,可基于预测结果优化VSG参数设置,提升系统稳定性。此外,该技术可...
一种原理约束的风场图像生成框架用于短期风电功率预测
A Principle-Constrained Wind Field Image Generation Framework for Short-Term Wind Power Forecasting
Jingxuan Liu · Haixiang Zang · Tao Ding · Lilin Cheng 等6人 · IEEE Transactions on Power Systems · 2024年8月
随机且非平稳的风特性给风电带来了相当大的不确定性，这对电网管理和市场出清构成了挑战。研究风场的时空特性对于预测未来风电变化至关重要。然而，目前在更精确地描述风场演变特征方面仍有提升空间。在本研究中，通过多阶偏微分方程建模，可将风场演变过程分解为对流、扩散、环流以及其他未知过程。在先验知识和深度学习的共同驱动下，提出了一种新型的物理单元（Phycell），用于从连续的风场图像中学习时间依赖关系。由此，建立了一个递归风场预测框架，以获取未来多步的风场图像。此外，通过引导注意力机制处理风场预测结果，以...
解读: 该风场图像生成框架对阳光电源的风电变流器和智能运维系统具有重要应用价值。可集成至iSolarCloud平台的预测分析模块，提升风电场发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节控制和PowerTitan系统的容量配置提供更准确的数据支撑。通过提前预知风电出力变化，可实现储能系统...
基于风险场景感知的日前风电出力预测框架
A Framework of Day-Ahead Wind Supply Power Forecasting by Risk Scenario Perception
Mao Yang · Yutong Huang · Zhao Wang · Bo Wang 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
大规模风电并网背景下，风电功率预测对电力系统安全稳定运行至关重要。现有预测方法重统计精度而轻应用风险，导致预测值与实际调度需求脱节。为此，本文提出一种考虑风险场景感知的风电出力预测（WSPF）框架。首先结合数值天气预报风速波动信息，利用TimesNet识别预测中的风险场景；其次构建有效消纳区与供电风险区评价指标，并据此优化预测曲线修正方案；最后融合多种预测模型进行验证。在中国内蒙古某风电集群的应用结果表明，该方法使WSPF平均精度提升37%，验证了其有效性与普适性。
解读: 该风电预测框架对阳光电源的储能和风电变流产品具有重要应用价值。首先，TimesNet风险场景识别技术可集成至ST系列储能变流器的调度控制系统，优化储能容量配置和充放电策略。其次，风险区评价方法可应用于PowerTitan大型储能系统的调峰调频功能设计，提升系统对风电波动的响应能力。此外，该预测框架也...
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...
风电功率预测中若干关键过程的综述：数学表达、科学问题与逻辑关系
Review of several key processes in wind power forecasting: Mathematical formulations, scientific problems, and logical relations
Mao Yang · Yutong Huang · Chuanyu Xu · Chenyu Liu 等5人 · Applied Energy · 2025年1月 · Vol.377
摘要 风电功率预测（WPF）是大规模风电场并网运行下电力系统调度的关键技术。随着特征信息的不断丰富和计算机科学的发展，相关研究大量涌现。本文综述了特征挖掘方法和最新的预测模型结构，旨在为该领域提供最新的研究视角。文章将WPF过程方法划分为时频域分析、特征工程和预测器结构三个部分。首先，总结了各部分的整体与详细数学表达式，以提供更具普适性的WPF过程方法研究框架。特别地，在每一部分中，创新性地基于典型科学问题梳理了最新模型之间的逻辑关系。此外，本文还归纳了六种解决关键科学或工程问题的前沿预测器结构...
解读: 该风电功率预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。多源数据融合与时频域分析方法可优化储能系统的充放电策略,提升风储协同控制精度。特征工程与预测模型可集成至iSolarCloud平台,实现预测性维护与智能调度。文中提出的数据质量与可解释性挑战,与阳光电源GF...