找到 2 条结果
基于重叠历史数值天气预报集成的日内风电功率预测
Intraday Wind Power Forecasting by Ensemble of Overlapping Historical Numerical Weather Predictions
Yongning Zhao · Shiji Pan · Yanxu Chen · Haohan Liao 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
数值天气预报（NWP）对提升日内风电功率预测（WPF）精度至关重要。然而，传统方法仅依赖最新单次NWP，忽略了时序发布且时间重叠的多段历史NWP中的隐含信息。为此，本文提出一种融合重叠历史NWP的时空表征学习网络。通过掩码-重构预训练策略提取风电与NWP的隐含特征，并结合端到端微调及硬参数共享的多任务学习机制，提升多风电场预测均衡性。基于5个真实风电场的实验表明，该方法在各预测时域均优于基线模型。
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先，可将其集成至ST系列储能系统的EMS能量管理模块，提升风储联合运行的调度精度。其次，该技术可优化iSolarCloud平台的新能源发电预测功能，通过多时序NWP数据融合提升预测准确度，为用户提供更可靠的发电计划和运维决策支持。特...
基于领域知识引导的特征与损失函数构建的可解释风电功率预测
Interpretable Wind Power Forecasting with Feature and Loss Function Construction Guided by Domain Knowledge
Yongning Zhao · Yuan Zhao · Yanxu Chen · Haohan Liao 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
针对当前风电功率预测方法缺乏领域知识融合导致精度与可解释性不足的问题，提出一种可解释的数据-知识融合超短期预测模型。通过历史风速输入构建风速-功率曲线生成理论输出，并结合实测数据作为模型输入；设计边界约束损失函数，利用alpha shape算法和局部加权线性回归提取功率上下边界并动态更新以捕捉波动特性；引入基于Jensen-Shannon散度的误差分布形状损失，促使训练误差逼近正态分布。在30个风电场的实验表明，该方法在各预测时域均优于基线模型，且在噪声与缺失数据下具有强鲁棒性。
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。特别是其基于领域知识的边界约束和误差分布优化方法,可直接应用于ST系列储能变流器的功率调度和PowerTitan系统的容量规划。通过将该预测算法集成到iSolarCloud平台,可提升风储联合项目的调度精度和经济性。其数据-知识融合的...