Yuejiang Chen · Jiangwen Xiao · Yanwu Wang · Yunfeng Luo · Applied Energy · 2025年1月 · Vol.377

摘要 概率预测在电力系统的安全、稳定与运行中起着重要作用。传统的非参数概率预测分位数回归方法存在分位数交叉问题，此外，当前用于风电场集群功率预测的神经网络方法往往忽略了相关风电场之间的时空相关性。为解决上述问题，本文提出了一种考虑时空相关性的集群功率预测模型（CFM）。该模型采用一种新型的空间模式注意力机制（SPA），结合卷积神经网络与注意力机制的优势，以有效提取空间信息；同时，采用改进的多步分位数循环神经网络（IMQ-RNN）和改进的非交叉分位数回归（INCQR）策略作为CFM的输出模块，以生...

解读: 该非交叉分位数概率预测技术对阳光电源储能系统具有重要应用价值。论文提出的时空关联集群功率预测模型可直接应用于ST系列PCS和PowerTitan储能系统的智能调度策略优化。通过改进的多时域分位数循环神经网络,能够提升iSolarCloud平台对分布式风光储集群的预测精度,解决传统分位数回归的交叉问题...