← 返回
基于自适应多尺度感知的解耦网络用于高效高精度光伏发电功率预测
Adaptive multi-scale perception-based decoupled network for efficient and accurate photovoltaic forecasting
| 作者 | Lei Liu · Lelin Hu · Zhongwei Guo · Bin Li · Hongwei Zhao |
| 期刊 | Solar Energy |
| 出版日期 | 预计 2026年7月 |
| 卷/期 | 第 312 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 智能化与AI应用 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 |
本文提出一种新型深度学习架构，融合多尺度时序特征提取与解耦建模机制，显著提升短期光伏出力预测精度与计算效率，适用于复杂气象条件下的动态功率预测任务。
S
SunView 深度解读
该研究直接支撑阳光电源iSolarCloud智能运维平台的功率预测引擎升级，可嵌入组串式逆变器（如SG系列）和ST系列PCS的边缘侧轻量化预测模块，提升光储协同调度精度；建议在PowerTitan系统中集成该算法以优化储能充放电策略，增强电网辅助服务响应能力，并为户用及工商业光伏场景提供定制化预测API服务。