Dou Hong · Fengze Li · Jieming Ma · Ka Lok Man 等6人 · Solar Energy · 2025年1月 · Vol.296

摘要 预测光伏（PV）系统的性能对于优化可再生能源利用至关重要。然而，传统的时间序列方法仅关注时间模式，忽略了环境变化的影响，而诸如局部遮挡等动态条件进一步增加了功率预测的复杂性。为应对由遮挡引起的变化，本文提出了一种时序与环境感知预测（TEIP）框架，该框架通过一种新颖的多空间注意力LSTM（MSAL）网络，动态整合时序与环境数据，从而提升光伏功率预测精度。该框架利用TE矩阵捕捉随时间变化的结构化环境条件，包括由局部遮挡引起的变异性。所设计的双分支MSAL模型通过空间特征提取对环境数据进行独特...

解读: 该TEIP框架的多空间注意力LSTM架构对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。其时空环境矩阵建模方法可增强MPPT算法在局部遮挡场景下的动态响应能力,R²达0.952的预测精度可显著提升ST储能系统的充放电策略优化。建议将该框架集成至智能运维平台,结合虚拟同步发电...