Xuefeng Liang · Qingshui Gu · Xiaochuan You · IEEE Transactions on Sustainable Energy · 2024年10月

风能作为技术成熟且便于开发的清洁能源，在能源结构中占据重要地位。精确的风电功率预测对制定发电计划、提升电力系统经济性与可靠性至关重要。然而，恶劣运行环境导致数据异常频发，加之风速自然变化、人为干预及机组状态耦合作用，使得风电出力呈现弱周期性和强波动性。为此，本文提出WPFormer框架，设计基于风电曲线的半监督WEDS双流评分模型用于异常检测与数据修复，并提出基于自注意力机制的FEDS特征选择方法。引入风机空间关联信息，结合自相关多序列分解与多头注意力机制，有效捕捉随机性背后的预测规律，克服弱周...

解读: 该研究的时空图Transformer预测框架对阳光电源的储能和风电产品具有重要应用价值。特别是其异常检测与数据修复技术可优化ST系列储能变流器的运行策略和PowerTitan系统的调度效率。自相关多序列分解方法可提升iSolarCloud平台的预测性能,有助于风储联合项目的智能运维。该技术对构网型G...