Anthony Faustine · Nuno Jardim Nunes · Lucas Pereira · IEEE Transactions on Power Systems · 2024年5月

电力需求预测在低压配电网的规划与运行中日益重要。分布式能源中光伏渗透率的提升使配电侧的负荷预测问题转变为净负荷预测。本文提出一种新颖且可扩展的低压变电站概率预测方法，采用分位数回归构建多变量概率预测框架，并利用计算高效的前馈神经网络捕捉历史负荷与太阳辐照等协变量间的复杂关系。实验表明，该方法能以自回归或单次前向传播方式生成校准良好的预测结果。与四种先进方法的对比表明，所提方法在预测精度、不确定性校准和计算复杂度之间实现了良好权衡。

解读: 该基于MLP的净负荷概率预测技术对阳光电源iSolarCloud智能运维平台和PowerTitan储能系统具有重要应用价值。其轻量级神经网络架构可集成至ST系列储能变流器的本地控制器，实现边缘侧实时预测，降低云端通信依赖。分位数回归提供的不确定性估计能优化储能系统充放电策略，在高光伏渗透率场景下提升...