Yanli Liu · Ziwen Jia · Liqi Liu · Applied Energy · 2025年1月 · Vol.400

摘要 多类型可再生能源与负荷（如光伏、风电和电动汽车）的集成显著增加了电力供需两侧的不确定性，因此需要精确的预测技术以维持电网的安全稳定运行。然而，复杂的时空特征给现有预测方法带来了挑战，使其难以准确、及时地跟踪不确定性功率的瞬时变化。为此，本文提出了一种时空特征增强（STFA）预测框架，该框架可无缝嵌入当前先进的深度学习算法中。首先，构建了一个时空特征融合模块，逐步结合相空间重构、位置编码和掩码机制，通过一系列重组步骤增强时空特征，提升模型对不确定性波动的理解能力，从而支持训练过程。其次，在深...

解读: 该时空特征增强预测框架对阳光电源多条产品线具有重要应用价值。针对光伏SG系列逆变器,可通过精准预测辐照波动优化MPPT算法响应速度;对ST系列储能变流器和PowerTitan系统,能提升功率调度精度,降低电池循环损耗;在充电桩业务中可预测EV负荷峰谷,优化充电策略。该框架的自适应动态加权损失函数特别...