光伏功率预测网络

多时间尺度预测

端到端训练的两阶段深度网络，可同时输出多时间尺度的点预测与概率区间预测。

刘云飞 · Yan, Liu · Hanhu, Cai · 张俊然

Applied Energy 2023

参数信息

光伏系统数量

7

技术优势

一次给出多时间尺度预测

避免将整体任务分离，不用分别训练单时间尺度点预测和概率区间预测模型。

适配多种光伏技术

在七种不同光伏系统上验证，包括多晶硅、单晶硅、碲化镉薄膜、非晶硅、CIGS、HIT和聚光光伏。

代码开源可复现

作者将发布源代码以确保可复现性，并已开放模型。

应用场景

• 光伏发电预测：用变分模态分解+胶囊CNN提高预测精度，减少系统不稳定带来的调度风险。
• 可再生能源并网：提供多时间尺度预测，帮助电网更好地接纳光伏波动。
• 智能电网：支持短期经济调度，降低光伏发电不确定性带来的成本。
• 深度学习预测模型：提供两阶段端到端模型，替代分离的点预测和区间预测。
• 功率测量与预测：输入辐射和温度即可输出功率预测，无需分别处理。