Haohao Fenga · Yujing Shia · Mifeng Rena · Wenjie Zhang 等6人 · Solar Energy · 2025年1月 · Vol.300

摘要 光伏（PV）发电具有高度随机性，概率预测能够有效量化其不确定性。然而，现有的概率预测模型受限于先验分布假设和不完整的表示方式，削弱了其对真实数据生成过程的建模能力，导致预测效果不理想。为解决这一问题，本文提出一种基于B样条-iTransformer-多头交叉注意力（BS-iMCFormer）的无分布假设光伏功率概率密度预测模型。该模型的核心在于：利用B样条拟合通过核密度估计（KDE）获得的概率密度函数（PDF），提取表征PDF特征的控制点以构建系数向量，并将PDF预测转化为系数向量的预测；...

解读: 该无分布假设的光伏功率概率密度预测技术对阳光电源iSolarCloud智慧运维平台及SG系列逆变器具有重要应用价值。基于B样条-iTransformer的混合深度学习模型可集成至预测性维护系统,通过精准量化发电不确定性,优化ST系列储能PCS的充放电策略制定。其KL散度降低54.82%的性能提升,可...