- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于时空概率模型、考虑光伏发电的温度增强型概率潮流计算
摘要： 光伏并网电力系统的概率稳态预测需要一个合适的预测模型，该模型能够准确刻画多元输入间的不确定性与相关性?？⒋死嗄Ｐ偷墓丶滓烟庠谟冢鹤既繁碚鞲丛臃瞧轿饶Ｊ?、非高斯性以及时空相关性等特征。本文旨在通过改进预处理与转换技术、主成分分析及适用于准确建模不确定输入方差趋势的时序模型，构建一种改进的高维多元时空模型。将该模型应用于改进型印度62节点输电系统（采用温度增强系统模型）的概率潮流计算，以开展运行规划研究。对各类结果的详细分析表明，所提模型能有效捕捉不确定输入的上述特征。
关键词： 光伏发电、概率潮流、运行规划、时空相关性、稳态预测
更新于2025-09-23 15:22:29
-
基于时空相关性分析的贝叶斯网络数据驱动光伏发电预测
摘要： 时空分析已被公认为提高光伏发电预测精度的最具前景技术之一。近年来，分布在特定地理区域内的多个光伏系统的发电数据日益丰富。本文深入研究了分布式光伏系统发电数据之间的时空相关性。位于不同场址的光伏系统发电数据可能呈现相似的时变模式。为量化这种空间相关性，我们选取了合适的空间相似性度量指标并验证其适用性。针对分布式光伏系统采集数据的时序关联，提出基于形态的距离度量方法?；诒匆端雇绻菇顺唐冢ㄐ∮?0分钟）光伏发电预测的数据驱动推理模型，该模型利用历史发电与气象数据，并整合上述空间相似性与时间相关性来支撑光伏出力预测。实验结果表明，相比多种基准方法，所提方法展现出优异的预测性能。
关键词： 光伏（PV）输出、时空相关性、贝叶斯网络、预测
更新于2025-09-11 14:15:04
-
利用时空卷积神经网络进行多站点光伏预测
摘要： 光伏发电的精准预测对智能电网和可再生能源市场至关重要。本文提出一种名为时空卷积神经网络（STCNN）的新型短期光伏预测技术，该技术利用多个光伏站点的位置信息与历史发电数据。该结构设计简洁却能有效实现多站点光伏预测。为此，我们提出一种贪婪邻接算法，将光伏数据预处理为能捕捉时空相关性的时空矩阵，再通过卷积神经网络进行学习?；诿拦龅湫椭荩永Ｄ嵫?、纽约和阿拉巴马）多站点光伏发电数据的实验表明，所提STCNN方法较传统方法预测精度最高提升33%，在6小时预测时段内实现了相当准确的预测效果（平均绝对百分比误差为4.6%-5.3%）。我们还研究了光伏站点聚合对虚拟电厂的影响——当某些站点的误差能被其他站点补偿时，所提STCNN在多站点聚合情况下可实现高达40%的误差显著降低。
关键词： CNN、时空相关性、多站点光伏预测、时空矩阵
更新于2025-09-11 14:15:04