找到 2 条结果
基于高效参数更新规则的有限数据概率风力发电预测
Probabilistic Wind Power Forecasting With Limited Data Based on Efficient Parameter Updating Rules
Zichao Meng · Ye Guo · IEEE Transactions on Power Systems · 2024年8月
本文提出了一种基于元优化器的有限历史数据下概率风电功率预测（WPF）方法，包括离线训练和在线自适应过程。在离线训练部分，首先通过元训练基于长短期记忆网络（LSTM）构建一个风电功率预测元优化器，随后利用该元优化器在有限历史数据场景下有效训练概率预测模型。这种基于元训练的过程实现了直接从风电功率数据中学习概率风电功率预测算法。在在线自适应部分，通过在线更新策略使离线训练的预测模型不断适应新收集的风电功率数据，进一步提高其性能。在此过程中，还基于这些在线数据更新风电功率预测元优化器，为预测模型的参数...
解读: 该风电预测方法对阳光电源的储能和智能运维产品线具有重要应用价值。在ST系列储能系统中,可用于优化充放电策略和容量配置;在iSolarCloud平台中,可提升风电场发电预测精度,为运维决策提供更可靠支撑。特别是针对新建风电场数据有限的场景,该方法通过在线参数更新机制,能快速提升预测准确度,有助于提高储...
具有缺失数据容忍性的概率风力发电预测：一种端到端非参数方法
Probabilistic Wind Power Forecasting With Missing Data Tolerance: An End-to-End Nonparametric Approach
Zichao Meng · Ye Guo · Chenhao Zhao · IEEE Transactions on Sustainable Energy · 2025年9月
针对传感器故障、通信问题或测量中断导致的缺失数据问题，本文提出一种端到端非参数概率风力发电预测方法，集成缺失数据填补机制。该方法包含端到端训练与在线应用两个阶段：训练阶段通过迭代填补缺失数据并优化模型损失函数；应用阶段则持续填补实时观测数据以实现多步概率预测。相比现有方法，本方法无需假设分布类型，且通过联合优化提升填补质量与预测性能。实验表明，该方法在不同缺失率下均优于传统两阶段及参数化端到端方法，尤其在多步预测中表现更优。
解读: 该端到端非参数预测方法对阳光电源的储能和风电产品线具有重要应用价值。首先可应用于ST系列储能变流器的功率预测与调度优化，提升PowerTitan大型储能系统的调度效率。其次可集成到iSolarCloud平台，增强风电场发电量预测和运维预警能力。该方法的缺失数据容忍机制可显著提升阳光电源设备在恶劣环境...