一种基于电网数据一致性处理与多源数据融合的分布式光伏发电预测方法

《Protection and Control of Modern Power Systems》：A Distributed Photovoltaic Power Forecasting Method Leveraging Grid Data Consistency Processing and Multi-Source Data Fusion

　　

摘要：

分布式光伏（PV）系统的特点是部署范围广泛且分散。然而，这种空间分布加上由气象扰动引起的显著功率波动，给精确的功率预测带来了很大挑战。为了解决这些问题，提出了一种基于网格的KACNN-GATransformer分布式PV功率预测框架。首先，根据数值天气预测（NWP）网格构建了一个统一的地理网格，实现了基于网格的光伏面板位置映射和构建。其次，采用了KACNN模型，该模型利用其可学习的样条卷积核来自适应地提取关键气象因素（如局部辐照度和云量）的空间特征，有效抑制了噪声干扰。最后，设计了GATransformer模型，在其编码器-解码器架构中加入了跨注意力机制和动态遮罩策略。这使得历史功率的长期时间依赖性与NWP数据的驱动效应能够动态耦合，实现了跨模态时空特征的创新融合。在包含各种典型气象场景的数据集上的实验结果表明，所提出的模型在多云和降雨等复杂气象条件下表现出良好的鲁棒性，预测误差显著低于传统预测方法。本研究为高渗透率PV电网整合中的可靠调度决策提供了有效的技术支持。