Haoxuan Chen · Yinliang Xu · Hongbin Sun · IEEE Transactions on Sustainable Energy · 2024年10月

波浪能在可持续海洋开发中具有重要作用，但复杂的海洋气象条件导致波浪功率输出波动，引发预测中的模仿现象。此外，精确数值天气预报（NWP）数据的缺乏加剧了预测偏差。为此，本文提出一种序列特征感知（SCP）方法，并结合改进的混合模型——分位数自由损失门控循环单元核密度估计（QLB-GRU-KDE），用于浮式波浪能吸收系统的概率化功率预测。首先通过集成方法获取先验知识，再利用自由损失函数缓解模仿现象，并采用GRU与KDE融合模型实现概率预测。同时提出量化模仿严重程度的评估指标。基于真实波浪数据的实验验证...

解读: 该波浪能概率预测方法对阳光电源储能系统和智能运维平台具有重要借鉴价值。其提出的序列特征感知与QLB-GRU-KDE混合模型可迁移至ST系列储能变流器的功率预测场景，解决海上风电、光伏等新能源输出波动导致的预测'模仿现象'问题。该方法的分位数自由损失函数可优化iSolarCloud平台的预测性维护算法...