光伏功率预测模型

提升现货收益

基于TCN-LSTM-Attention架构，建立多时间尺度协同预测，为光储电站参与电力现货市场提供决策依据，有效平抑偏差惩罚成本。

杨茂 · Yiming, Chen · Peng, Sun · 王金鑫 · Yitao, Li · Su, Xin

Journal of Energy Storage 2025

技术优势

预测更准

TCN-LSTM-Attention模型在短期和超短期预测中均达到高精度，为投标决策提供可靠功率信号。

平抑惩罚成本

通过日前与实时市场时间尺度差异的两阶段投标，获得更充裕的调度空间，平抑光伏出力波动引起的偏差惩罚成本。

收益最大化

构建两阶段双层模型进行电量投标，在满足市场运行约束下最大化光储电站利润。

应用场景

• 光伏储电站运营：用多时间尺度预测与投标策略提高电站现货收益并降低偏差惩罚。
• 储能调度优化：通过日前预出清与实时正式出清的两阶段调度，获得更充裕的储能调度空间。
• 电力现货交易：耦合光伏预测与现货市场，支撑光储电站在日前和实时市场进行电量投标。
• 新能源发电预测：采用TCN-LSTM-Attention提升短期与超短期光伏功率预测精度。
• 电网侧储能应用：平抑光伏出力波动对电网的影响，降低偏差惩罚成本。