基于多任务学习的非线性天气修正方法提升光伏发电预测精度

Enhancing PV power forecasting accuracy through nonlinear weather correction based on multi-task learning

Zhirui Tiana1 · Yujie Chenb1 · Guangyu Wangc · Applied Energy · 2025年5月 · Vol.386

准确的短期光伏（PV）功率预测对于优化能源管理以及在快速发展的可再生能源领域中维持电网稳定性至关重要。然而，光伏系统对变化天气条件具有固有的高敏感性，这给实现可靠的预测带来了重大挑战。现有研究主要通过两种途径来提高短期预测精度。一方面，部分研究将气象变量作为输入特征以提升预测精度，但该方法往往难以充分捕捉不同气象因素与光伏输出之间复杂且动态的相互作用。另一方面，大多数修正方法采用误差修正（EC）技术，根据预测的误差对初始光伏预测结果进行调整。然而，误差序列的高度波动性显著限制了EC的有效性，因为...

解读: 该多任务学习光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。论文提出的两阶段框架可集成至SG系列逆变器的预测性维护系统:第一阶段MTL模型可解析气象因素与光伏输出的非线性耦合关系,优化MPPT算法的动态响应;第二阶段天气修正模块可提升功率预测精度,增强ST系列储能PCS...