找到 2 条结果
SolarFM：基于时间序列基础模型的时空太阳辐照度预测
SolarFM: Spatio-temporal solar irradiance forecasting based on time series foundation model
Shuo Shan · Weijing Dou · Victor Sreeram · Chenxi Li 等7人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出SolarFM，一种面向太阳能辐照度预测的时间序列基础模型，融合多源时空数据，提升短期至中期辐照度预测精度，支撑光伏功率预测与智能调度。
解读: 该技术可显著提升阳光电源iSolarCloud平台的功率预测精度，增强组串式逆变器和ST系列PCS在光储协同调度中的响应能力；建议将SolarFM嵌入iSolarCloud作为辐照-功率联合预测模块，并适配PowerTitan系统实现日前/日内动态充放电优化，提升光储一体化项目收益率。...
一种基于卫星图像与时间序列多模态学习的鲁棒光伏功率预测方法
A Robust Photovoltaic Power Forecasting Method Based on Multimodal Learning Using Satellite Images and Time Series
Kai Wang · Shuo Shan · Weijing Dou · Haikun Wei 等5人 · IEEE Transactions on Sustainable Energy · 2024年11月
超短期光伏功率预测对提升电网稳定性具有重要意义。现有基于卫星图像的方法多依赖像素级预测，效率低且冗余，而深度学习模型难以建立大尺度云特征与光伏发电之间的关联。本文提出一种端到端的多模态学习模型，直接融合卫星图像与时间序列实现多步光伏功率预测。采用ConvLSTM-RICNN编码感兴趣区域内的云层动态特征，并提出DCCA-LF融合策略，将深度典型相关分析引入晚期融合以增强跨模态特征对齐，有效抑制噪声与缺失数据影响。基于澳大利亚Alice Springs地区BP Solar与Himawari-8卫星...
解读: 该多模态光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。其超短期预测能力可直接集成至SG系列光伏逆变器的智能诊断系统，通过卫星云图与历史数据融合实现15分钟至4小时功率预测，为MPPT算法提供前瞻性优化依据。对于PowerTitan储能系统，该技术可优化充放电策略制定，...