卫星云图辅助的分布式光伏功率预测方法

《Energies》：A Distributed Photovoltaic Power Forecasting Method Assisted by Satellite Cloud Imagery

　　

摘要

由于地理位置分散且部署成本高昂，分布式光伏（DPV）电站往往难以获取高精度气象数据，这导致功率预测精度下降，进而威胁电网运行稳定性。因此，开发一种低成本的超短期功率预测模型对电力系统调度至关重要。本研究提出了一种针对分布式光伏系统、融合卫星云图（SCI）的场站级超短期功率预测方法。首先，分析了三个核心预测难题：跨模态数据相关性建立、异构数据结构之间的空间对齐，以及分散场站间的时空相关性提取。其次，构建了一个以卫星云图和多点场站功率输出为输入的预测模型。该模型通过数据嵌入层对多模态数据进行对齐，并利用立方体自注意力模块与编码器—解码器架构集成多源特征。第三，提出了一种多尺度关联机制（MSCM），以捕捉地理分散场站之间的时空关联。基于河北省真实数据集的实验结果表明该方法表现优异。完整模型结合卫星云图后，均方根误差（RMSE）为0.112，平均绝对误差（MAE）为0.059，优于反向传播（BP）神经网络、长短期记忆（LSTM）网络和Transformer等基线模型。