← 返回
PV-MM-diffusion：一种面向超短期概率性光伏发电预测的端到端多模态扩散模型
PV-MM-diffusion: An end-to-end multi-modal diffusion model for ultra-short-term probabilistic photovoltaic forecasting
| 作者 | Jing Huang · Bopeng Shao · Yan Ke · Yuan Gao · Stefano Mazzoni |
| 期刊 | Applied Energy |
| 出版日期 | 预计 2026年6月 |
| 卷/期 | 第 413 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 深度学习 机器学习 光伏逆变器 智能运维 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 |
本文提出PV-MM-diffusion模型，融合卫星云图、数值天气预报与历史发电数据，利用多模态扩散架构实现分钟级超短期（15–60分钟）概率性光伏功率预测，显著提升不确定性量化能力与预测鲁棒性。
S
SunView 深度解读
该模型高度适配阳光电源iSolarCloud智能运维平台及ST系列PCS、PowerTitan储能系统的日前/超短期功率预测需求，可嵌入组串式逆变器边缘AI模块或云端预测引擎，提升光储协同调度精度与电网支撑响应能力。建议在PowerTitan+组串逆变器联合调频场景中集成该模型输出的概率区间，优化SOC动态规划与AGC指令分解策略。