社区层面光伏发电量分摊的概率估计

《Journal of Modern Power Systems and Clean Energy》:Probabilistic Estimation of Community-Level Behind-the-Meter Photovoltaic Power Generation Disaggregation

【字体: 大 中 小 】 时间:2026年04月03日 来源:Journal of Modern Power Systems and Clean Energy 6.1

编辑推荐:

   摘要: 家用光伏(PV)系统在配电网中的日益普及增加了净负荷的不确定性和波动性。为了更好地预测和管理这种变化,并考虑到光伏发电在本地电力系统中的周期性和不确定性,本文提出了一种两阶段非参数概率估计方法——残差分位数模型(Residual Quantile Model),该方法基

  

摘要:

家用光伏(PV)系统在配电网中的日益普及增加了净负荷的不确定性和波动性。为了更好地预测和管理这种变化,并考虑到光伏发电在本地电力系统中的周期性和不确定性,本文提出了一种两阶段非参数概率估计方法——残差分位数模型(Residual Quantile Model),该方法基于家庭层面的信息对社区级别的光伏发电量进行分解。该方法能够同时提供概率估计并保证较高的点估计精度。在第一阶段,设计了移位长短期记忆网络(Shifted Long Short-Term Memory, LSTM)和稀疏图LSTM(Sparse Graph LSTM),通过明确捕捉移位信息和常规信息来分解精确的点估计,同时考虑变量之间的依赖关系。在第二阶段,使用创新的时间编码分位数网络(Time-encoded Quantile Network)生成概率残差估计,以考虑光伏发电不确定性中的周期性特征。进一步提出了分位数对比损失(Quantile Contrastive Loss)来确保分位数回归过程的无偏性和非重叠性。最后,将两个阶段的结果结合起来形成最终的概率估计。该方法基于从中国河北收集的真实数据进行了测试。实证验证表明,我们的方法达到了4.762的MSIS(Mean Square Integrated Score),分别比贝叶斯(Bayesian)和基于分位数的概率模型高出50%和15%。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号