一种受物理学启发的新颖方法，用于高效且稳健的超短期光伏发电量预测

《Applied Energy》：A novel physics-inspired method for efficient and robust ultra-short-term photovoltaic power forecasting

　　廖方 | 吴伟民 | 曹菲菲 | 李华顺 | Frede Blaabjerg
安徽科技大学安全科学与工程学院，中国淮南

摘要
在可再生能源渗透率较高的情况下，准确高效的超短期光伏功率预测对于确保电网稳定性至关重要。然而，现有的基于天空图像的多模态学习方法存在两个关键局限性：由于冗余图像序列的密集编码导致计算效率低下，以及缺乏明确的物理指导力和鲁棒性的“黑箱”范式。本文提出了一种新颖的、受物理启发的端到端预测框架来解决这些挑战。该框架的核心是一个“动态引导的静态”解耦时空编码器。它引入了一种受物理启发的多尺度云形态分解器（MCMD），该分解器采用无参数的分解方式来明确量化历史序列中云演变的物理动态。这种动态信息随后引导视觉注意力模块关注最新图像中的关键预测区域，从而显著提高特征表示能力并降低计算复杂度。此外，还引入了一种创新的原型对比对齐（ProCA）损失函数，通过在概念层面对齐多模态特征来增强鲁棒性，有效抵抗单模态数据噪声。在公开数据集上的广泛实验表明，该模型具有最先进的性能（SOTA）。从定性上看，它在具有挑战性的阴天条件下表现出卓越的泛化能力和稳定性。从定量上看，其最小均方根误差（RMSE）仅为2.4874 kW，模型参数数量仅为0.30 M，实现了准确性和效率之间的最佳平衡。

引言
随着全球能源系统向脱碳的深刻转型，光伏发电的并网容量正在以前所未有的规模扩张[1]。然而，由于云动态等气象因素，光伏功率输出的间歇性和变化性对电力系统的安全稳定运行构成了严重挑战，尤其是在几分钟的超短时间尺度上[2]。功率输出的显著波动可能导致电网频率和电压的扰动，增加系统的备用容量成本，甚至在极端情况下导致功率削减[3]。因此，开发高精度、高时效性的超短期光伏功率预测技术是确保光伏高融合电网安全经济运行的前提[4]。
为应对这些运营挑战，数据驱动的深度学习已成为该领域的主流研究范式[5]。其中，基于时间序列数据（如历史功率和气象数值数据）的预测方法已经得到了很好的发展。该领域的技术已经从经典的循环神经网络（RNN）变体[6]发展到以自注意力机制为中心的Transformer架构[7]，这些架构在一般长序列预测任务中表现出色[8][9]。然而，在超短期光伏功率预测的特定场景中，输入序列相对较短。对于此类任务，具有更简单结构和更高计算效率的经典RNN架构成为平衡性能和效率的实用选择[10]。尽管采用了先进的时间序列模型，所有单模态方法都面临一个根本性限制：它们忽略了功率变化的物理驱动因素——天空条件的实时演变——导致在突发天气变化时预测准确性受限[11]。为克服这一限制，研究人员开始将富含云信息的地面天空图像纳入预测模型，从而产生了基于多模态学习的新范式[12]。天空图像为模型提供了关于云覆盖、云类型和云速度等关键特征的直观、高分辨率的视觉信息，这些特征与光伏功率的波动直接相关，为实现更准确的预测提供了重要的物理先验知识[13]。
在多模态光伏功率预测中，从天空图像序列中有效提取和编码包含云动态的时空特征对于确定模型性能的上限至关重要。目前主流方法大致可以分为两类：第一类采用混合架构，首先使用视觉编码器从每帧图像中独立提取空间特征，然后将这些特征序列输入时间模型以捕获动态信息。例如，Liu等人[14]结合了经典的CNN和LSTM，前者用于空间特征提取，后者用于建模动态信息。Ziyabari等人[15]引入了更强大的ResNet骨干网络以获得更深入的视觉表示。Xu等人[16]采用最先进的视觉Transformer（ViT）作为帧级编码器，以更有效地捕获图像中的全局依赖性，并将其与GRU结合用于动态建模。第二类采用集成的端到端时空编码器，旨在通过单一网络架构同时学习和融合时空特征。一个典型的方法是三维卷积网络（3D-CNN），例如Huang等人[17]，它通过对图像序列立方体进行卷积直接提取局部时空动态特征。然而，为了解决卷积在全局感受野方面的局限性，后续研究引入了视频视觉Transformer。例如，Rastgoo等人[18]提出了多流视频视觉Transformer（MS-ViViT）架构，该架构利用自注意力机制有效捕获长距离时空依赖性，并通过多流设计整合不同时间尺度的动态信息，实现更全面的场景表示。此外，为了更准确地捕捉云运动的物理过程，研究人员引入了光流图以提供更具物理解释性的动态信息[19][20]。
尽管上述多模态研究在整合天空图像以提高预测准确性方面取得了显著进展，但仍存在几个重要限制。特别是，大多数现有方法仍然依赖于对整个历史序列的密集时空编码，尽管分钟级天空图像数据的帧间冗余度极高。这不仅引入了大量的计算开销，而且使编码策略与数据的内在结构不对齐。在这种背景下，现有研究中的主要未解决的问题可以总结如下：
(1) 计算效率和信息冗余之间的固有矛盾。在超短期预测中，天空图像以高频率采样，导致相邻帧之间的视觉相似性和冗余度很高。现有的时空编码器通常在整个序列上应用均匀、密集的卷积或变换操作，这浪费了计算资源，并增加了过拟合冗余信息的风险，从而限制了在边缘设备和实时应用中的部署。
(2) 将物理先验整合到端到端学习中仍然具有挑战性。云形状、厚度和运动等物理属性是未来光伏功率输出的关键决定因素。然而，大多数深度学习模型以黑箱方式从原始像素中隐式学习这些模式，没有明确的物理指导[3]。少数尝试整合物理先验的研究往往依赖于复杂的预处理流程或外部独立模块[21][22]，这削弱了端到端学习，增加了系统复杂性，并降低了实际部署性。
(3) 模型泛化和鲁棒性的验证仍然不足。现有研究通常在清洁的光伏数据集上进行评估，这可能高估了在噪声或降级条件下的实际性能[23]。在现实世界场景中，传感器故障或电气干扰可能会降低数据质量。因此，如何利用一种模态的可靠信息来补偿另一种模态的退化已成为一个重要的研究问题。此外，设计加强模态间交互的中间模块以提高对噪声的鲁棒性仍然是一个有前景的方向。
为应对上述挑战，本文提出了一个新颖的端到端超短期光伏功率预测框架，旨在共同平衡预测准确性、计算效率和鲁棒性。该框架基于受物理启发的解耦时空编码范式和概念层面的多模态对比对齐。具体来说，引入了一个无参数的MCMD来明确量化历史天空图像序列中云演变的物理动态。然后将得到的云形态动态用作动态指导，调节应用于最新帧的视觉注意力机制，形成一个“动态引导的静态”解耦编码器。此外，设计了一种ProCA损失函数，在融合之前在语义概念层面对齐异构模态，从而提高对单模态噪声的鲁棒性并增强跨模态一致性。

本文的主要贡献可以总结如下：
(1) 提出了一种针对高频天空图像序列的冗余感知解耦时空编码器。该框架不均匀地深度处理所有历史帧，而是使用历史帧来获得轻量级的动态指导，同时仅深度编码最新的信息帧，从而在表示源处减少了不必要的序列级冗余。
(2) 开发了一种受物理启发的端到端指导机制，以解决传统深度学习模型的黑箱本质。通过将云形态量化为明确的物理指数，所提出的机制在保持端到端可训练性的同时提高了注意力分配的可解释性。
(3) 引入了一种新颖的ProCA损失函数，以提高多模态鲁棒性和泛化能力。通过在融合之前在概念层面对齐异构特征，模型学习了更多本质的跨模态关联，并对单模态干扰更具抵抗力。
(4) 在公开可用的SKIPP’D数据集上的广泛实验表明，所提出的框架在预测准确性和计算效率方面均优于现有的最先进方法。特别是在云层密集、云动态强烈的条件下，该模型表现出明显的优势。为了清楚地总结本文中确定的差距和相应的解决方案，表1中呈现了现有最先进范式与我们的方法之间的比较。
本文的其余部分组织如下：第2节详细介绍了所提出的模型架构和关键模块。第3节描述了实验设置、评估数据和评估指标。第4节对实验结果进行了深入分析。最后，第5节总结了整篇论文。

本文提出了一种多模态学习框架，旨在根据历史天空图像序列It?m+1:t和光伏时间序列数据Pt?m+1:t预测未来k时间步长的光伏功率序列P?t+1:t:k。这里，t代表当前时间，m代表历史序列的长度。这一过程可以被建模为一个函数映射关系：
P?t+1:t+k = fpred(It?m+1:t)θpred
其中fpred?θpred是待学习的预测模型，θpred是模型参数。

数据描述和预处理
本研究中使用的实验数据来源于斯坦福大学发布的公开可用的SKIPP’D[26]，这些数据收集于美国加利福尼亚州的斯坦福，该地区具有温暖干燥的夏季和温和湿润的冬季。该数据集记录并精确对准了2017年至2019年间以一分钟采样间隔的光伏功率输出和相应的地面天空图像。原始的高分辨率图像被下采样到64 × 64像素。

与SOTA方法的比较分析
为了全面公正地评估所提出框架的性能，本节设计了一系列严格的比较实验。首先，将所提出的受物理启发的解耦编码器与主流时空编码架构在组件层面进行比较，以验证其在特征提取方面的基本优势。随后，将完整的端到端模型与领域内公认的最先进方法进行比较，以展示其性能。

结论
本文提出了一种新颖的、受物理启发的端到端多模态框架，旨在在超短期光伏功率预测中平衡准确性、效率和鲁棒性。核心创新在于一种解耦的时空编码器，它利用无参数的MCMD提取出基于物理的云动态表示的CMCI序列；然后由一个轻量级的可学习GRU编码该序列，以引导视觉注意力机制朝向预测关键点。

CRediT作者贡献声明
廖方：撰写——原始草案、验证、软件、方法论、数据整理、概念化。
吴伟民：撰写——审阅与编辑、可视化、验证、监督、资金获取。
曹菲菲：可视化、监督。
李华顺：撰写——审阅与编辑、验证。
Frede Blaabjerg：撰写——审阅与编辑、监督。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能会影响本文报告的工作。

致谢
本研究部分得到了国家自然科学基金（Grant U22A20216）的支持，部分得到了上海杰出学术领导者计划的支持（Grant 23XD1401500），以及安徽省教育厅科学研究创新团队项目的支持（Grant 2024AH010008）。