← 返回
一种基于多维相似性博弈融合与ISCSO-XGBoost的可解释光伏发电功率预测方法
An explainable photovoltaic power forecasting method for output based on multi-dimensional similarity game fusion and ISCSO- XGBoost
| 作者 | Qingbin Chen · Lin Zhu · Dechang Yang |
| 期刊 | Applied Energy |
| 出版日期 | 预计 2026年7月 |
| 卷/期 | 第 415 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 机器学习 光伏逆变器 智能运维 模型预测控制MPC |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 |
本文提出一种融合多维相似性博弈机制与改进型混沌搜索优化算法（ISCSO）协同优化XGBoost的光伏功率可解释预测模型，提升短期功率预测精度与决策透明度。
S
SunView 深度解读
该方法高度契合阳光电源iSolarCloud智能运维平台对高精度、可解释性发电预测的需求，可直接集成至ST系列PCS及组串式逆变器的边缘侧预测模块，增强光储协同调度能力；建议在PowerTitan系统中嵌入该模型以优化充放电策略，并面向地面光伏电站和工商业光伏场景开展实证部署。