Ramesh Chandra Khamari · Santosh Manib · Rajesh G.Bodkhe · Akhilesh Kumar Singh · Solar Energy · 2025年1月 · Vol.295

摘要 准确预测风电功率对于优化能源管理、提升电网稳定性至关重要。然而，由于风速模式具有间歇性和随机性的固有特征，风速与发电功率的预测面临显著挑战。本文提出的混合系统融合了表面正态伽abor滤波器（Surface Normal Gabor Filter, SNGF）、回忆增强型循环神经网络（recalling enhanced recurrent neural network, RERNN）以及沙猫群优化算法（sand cat swarm optimization, SCSO），命名为SNGF-R...

解读: 该混合风电预测技术对阳光电源储能系统具有重要应用价值。SNGF-RERNN-SCSO模型实现0.1% MAE和0.3秒响应速度,可直接集成至ST系列PCS和PowerTitan储能系统的能量管理模块,优化风储协调控制策略。其高精度预测能力可增强GFM/GFL控制算法的前瞻性调度,提升电网稳定性。建议...