考虑虚拟与实际概念漂移检测的风电功率在线概率密度预测

Online probability density prediction of wind power considering virtual and real concept drift detection

Yaoyao Heab · Nana Yuac · Bo Wangd · Applied Energy · 2025年1月 · Vol.396

摘要 风能等可再生能源具有固有的波动性，使得准确预测对于电力系统的有效运行至关重要。然而，风电数据内在的波动性和变异性常常导致概念漂移现象，从而削弱预测精度，并对电力系统运行带来显著挑战。为解决这一问题，本文提出一种结合在线漂移检测与自适应机制的分位数回归长短期记忆网络方法（O-DDA-QRLSTM），用于风电功率的概率性预测。该方法采用QRLSTM实现风电功率的分位数预测，并引入在线学习机制以检测数据流中的概念漂移。针对虚拟漂移和实际漂移分别设计了不同的检测策略：利用数据分布变化的Kullba...

解读: 该在线概率密度预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过虚拟与真实概念漂移检测,可显著提升风储协同场景下的功率预测精度和系统调度能力。建议将KL散度与CRPS评分机制集成至iSolarCloud平台,实现风电波动的实时预测与储能系统的动态响应优化。该方法...