找到 1 条结果
一种新颖的数据驱动多步风功率点-区间预测框架，集成基于滑动窗口的双层自适应分解与多目标优化以平衡预测精度与稳定性
A novel data-driven multi-step wind power point-interval prediction framework integrating sliding window-based two-layer adaptive decomposition and multi-objective optimization for balancing prediction accuracy and stability
Xiwen Cui · Xiaoyu Yuab · Haowei Niu · Dongxiao Niu 等5人 · Applied Energy · 2025年1月 · Vol.397
摘要 风能对大规模并网和实现碳中和至关重要，因此需要准确且稳定的预测方法来应对风电数据固有的随机性和复杂耦合特性。本研究提出了一种创新的数据驱动型点-区间预测框架，旨在克服现有模型仅关注预测精度而忽略预测所需稳定性的局限性，从而减少由此带来的不确定性。该框架首先引入异常值处理机制，并采用一种新的基于滑动窗口的双层自适应分解策略，在避免信息泄露的同时将风电数据分解为规律性子序列。随后通过Lempel-Ziv复杂度分析对这些子序列进行分类，以最小化计算冗余。进一步地，有针对性地部署先进模型——包括倒...
解读: 该多目标优化风电预测框架对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。其点-区间预测方法可显著提升储能系统充放电策略的准确性与稳定性,MAE降低27-58%为iSolarCloud平台的预测性维护提供可靠的不确定性量化能力。多层自适应分解策略可集成至GFM/GFL控制算...