AITOP

光伏预测

共 3 条相关 AI 资讯
7月16日
09:52
09:52官方账号arXiv cs.AI@Daniel Grillmeyer, Marius Hadry, Michael Stenger, Vanessa Borst, Veronika Lesch, Samuel Kounev
本文通过两项结构化文献综述，分别梳理了风力涡轮机功率曲线建模和光伏发电预测中的特征选择现状，发现现有方法有限且缺乏系统性。作者提出了一种名为CSFS（基于聚类的顺序特征选择）的模型无关包装器方法，并提供开源实现。实证中，CSFS与SFS、过滤式方法及随机森林特征重要性对比，在保持相近预测性能的同时，平均降低21%的计算成本。
论文CSFS特征选择风电预测
推荐理由：这篇论文提出了CSFS方法，能在不牺牲预测精度的情况下减少21%的计算成本，适合做风电和太阳能预测的朋友参考。
原文
7月15日
11:05
11:05官方账号arXiv cs.LG@Dandan Chen, Yan Zhao, Xuepeng Chen
该论文提出一个基于仿真的物理约束鲁棒性评估框架，使用虚拟光伏功率作为受控响应变量，研究NWP预测误差对模型的影响。评估了PatchTST、GRU、N-HITS、LightGBM等六种模型在动态NWP扰动下的表现。结果表明，在中等至高等干扰下，序列模型（如PatchTST、GRU）比LightGBM基线具有更强的噪声滤波和时间鲁棒性。SHAP和IG分析显示，模型在输入扰动时会将预测依据从未来预报转向历史观测和物理先验。Pareto分析综合了纯净精度、鲁棒性和计算延迟，为工程选型提供了参考。
论文PatchTSTGRUNWP
推荐理由：这篇论文用具体模型和实验告诉你，哪些深度模型在光伏功率预测里更扛NWP天气误差，不是空谈。
原文
6月8日
10:40
10:40官方账号arXiv cs.LG@Lorenzo Longarini, Alessandro Rongoni, Simone Silenzi, Emanuele Frontoni, Riccardo Rosati
精选
光伏电站在投运初期缺乏历史观测数据，导致标准监督预测方法无法直接使用。研究者提出一种零样本流程，利用电站元数据和气象协变量生成合成生产历史，使时间序列基础模型（TSFMs）能够通过推理时条件进行预测。在440个光伏站点、四个数据集和多种气候条件下，五种TSFMs与经典基线对比，协变量感知模型性能提升约1.7-2倍，其中TabPFN-TS在真实反馈策略下误差最低（MAE 0.514），Chronos-2在自预测反馈策略下最鲁棒。合成历史来源对性能影响不大，表明合理的时序上下文比具体生成器更重要。
论文时间序列基础模型光伏预测冷启动
推荐理由：光伏运维团队终于有了冷启动预测的实用方案——无需历史数据即可用基础模型实现高精度预测，做新能源发电预测的开发者可以直接参考TabPFN-TS和Chronos-2的表现。
原文