基于层次时间序列方法的稀疏数据集光伏系统性能预测

Hierarchical Time-Series Approaches for Photovoltaic System Performance Forecasting With Sparse Datasets

Edris Khorani · Sophie L. Pain · Tim Niewelt · Ruy S. Bonilla 等6人 · IEEE Journal of Photovoltaics · 2024年10月

由于太阳能发电供电具有间歇性，这给系统和电网运营商带来了挑战。由于数据收集困难以及互联系统存在不一致性，预测光伏（PV）发电厂和屋顶光伏系统的性能往往颇具挑战。基于光伏系统在地理和时间上的相似性所形成的分层聚合结构，我们提出一种简化方法，用于预测单个光伏装置的性能，并评估这些假设装置对整个电网的影响。我们利用发电的分层特性，并确定气象数据集，以预测输入数据未测地区的新系统或现有系统的性能。我们展示了一种方法，即通过对公用事业和屋顶光伏装置的公开可用数据集应用分层模型来提高电网稳定性。使用16周已...

解读: 该层次时间序列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。在光伏电站运维场景中，通信故障或传感器异常常导致数据稀疏，该方法通过多层级数据聚合可显著提升SG系列逆变器功率预测精度，优化MPPT算法的前瞻性控制。对于储能系统，准确的光伏出力预测能改...