基于自适应特征提取与时间迁移建模的分布式光伏超短期功率预测

Ultra-Short Term Power Forecasting for Distributed PV Based on Adaptive Feature Extraction and Temporal Transfer Modeling

Boyu Liu · Yuqing Wang · Fei Wang · Ziqi Liu 等6人 · IEEE Transactions on Industry Applications · 2025年8月

准确的分布式光伏发电功率预测对于优化电网运行、提高经济效益以及促进新能源融合至关重要。然而，现有的分布式光伏发电功率预测方法面临着若干挑战：1）卫星云图可为缺乏专业气象测量的分布式光伏提供数据支持，但云图特征建模方法往往会忽略重要特征；2）季节变化和多变的气候条件会导致光伏输出特性在时间分布上产生变化，当数据分布发生变化时，训练好的预测模型表现不佳，导致泛化能力不足。为解决这些问题，本文提出了一种基于自适应特征提取和时间迁移建模的分布式光伏区域超短期功率预测方法。该方法将卷积神经网络的空间特征捕...

解读: 该自适应特征提取与时间迁移建模技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。超短期功率预测可直接集成至云平台的智能诊断模块，通过自适应机制实时提取气象数据与历史出力特征，结合时间迁移学习捕捉不同天气模式下的功率波动规律，为分布式光伏电站提供15分钟至4小时级精...

基于动态图网络与形状-幅值准则的分布式光伏超短期功率确定性与概率预测

A Distributed PV Ultra-short-term Power Deterministic and Probabilistic Forecasting Based on Dynamic Graph Network with Shape-amplitude Criteria

Yuqing Wang · Zhen Zhao · Fei Wang · Shumin Sun 等6人 · IEEE Transactions on Industry Applications · 2025年9月

准确预测分布式光伏发电功率对于确保有源配电网的安全稳定至关重要。然而，目前大多数关于分布式光伏发电功率预测的研究存在一定局限性，主要包括：1）对各发电站点之间动态相关性的考虑不足；2）缺乏能够同时使预测值的幅值和形状与真实值相匹配的训练损失函数。因此，本文提出一种基于形状 - 幅值损失函数的动态图网络分布式光伏超短期功率预测方法。首先，采用数据驱动的方法挖掘动态相关性，并生成动态图数据，以确保对分布式光伏之间的相关性进行有效表征。其次，构建动态图网络作为功率预测模型，以实现对时空相关特征的有效利...

解读: 该动态图网络预测技术对阳光电源iSolarCloud智能运维平台及SG系列逆变器群控系统具有重要应用价值。其形状-幅值准则可优化分布式光伏电站的功率预测精度，直接提升主动配电网调度能力。可应用于：1）iSolarCloud平台的超短期功率预测模块，通过挖掘多站点时空关联提升预测准确性；2）SG逆变器...