电力市场观察 微信公众号 行业动态

发布：2026-06-18 07:24:58 · 事件：2026-06-18 07:24:58

来源： 《中国电力》2026年第5期 引用本文： 杨超颖, 李慧蓬, 赵军. 基于深度学习的集中式光伏电站在线增量功率预测方法[J]. 中国电力, 2026, 59(5): 142-149. YANG Chaoying, LI Huipeng, ZHAO Jun. Online incremental power forecasting method for centralized photovo...

双碳光伏电力系统数据

来源： 《中国电力》2026年第5期 引用本文： 杨超颖, 李慧蓬, 赵军. 基于深度学习的集中式光伏电站在线增量功率预测方法[J]. 中国电力, 2026, 59(5): 142-149. YANG Chaoying, LI Huipeng, ZHAO Jun. Online incremental power forecasting method for centralized photovoltaic power plants based on deep learning[J]. Electric Power, 2026, 59(5): 142-149. DOI:  1 0 .11930/j.issn.1004-9649. 202510014 摘要 在“双碳”目标下，集中式光伏电站已成为新能源电力系统的重要支撑，但光伏发电功率受季节、天气等因素影响具有强间歇性与波动性。针对实际应用中输入数据动态演变导致模型性能衰减，且传统更新方式易引发灾难性遗忘的问题，提出一种基于深度学习的在线增量功率预测模型。该模型引入深度经验回放++（deep experience replay，DER++）增量学习机制，构建“分块特征提取-在线知识保留”双核心框架，通过补丁令牌策略捕捉多尺度周期性特征，利用自注意力机制挖掘多变量依赖关系，结合经验回放技术缓解灾难性遗忘。基于某光伏电站实测数据表明，所提模型的累计精度衰减率远低于传统模型，展现出更强的适应性与泛化能力，为集中式光伏功率在线动态预测提供了有效解决方案。 研究背景 在全球“双碳”目标推进与能源结构转型的大背景下，集中式光伏电站凭借装机容量大、能源输出稳定、并网效率高等优势，已成为中国新能源电力系统的重要电源支撑。实现集中式光伏电站功率的高精度预测，尤其是在线动态预测，已成为保障新能源电力系统安全、经济、高效运行的关键技术需求。 针对集中式光伏功率预测问题，国内外学者已开展了大量研究，形成了基于物理模型、统计模型与机器学习模型等主流预测方法。物理模型通过建立太阳辐照强度、温度、风速等气象因素与光伏组件输出功率的物理映射关系实现预测，对气象数据的精度要求极高。统计模型，如自回归求和滑动平均（autoregressive integrated moving average，ARIMA）模型、指数平滑法等，基于历史功率数据的统计规律进行预测，计算复杂度较低，但仅适用于平稳时间序列。基于深度学习的预测模型因具备强大的非线性拟合能力与特征提取能力，成为当前光伏功率预测研究的热点。 目前，主流的深度学习预测模型主要包括循环神经网络（recurrent neural network，RNN）、长短期记忆网络（long short term memory，LSTM）、Transformer及其变体等。尽管现有深度学习模型在离线静态预测场景下已取得较好的预测效果，但在实际工业应用的在线动态场景中，仍面临两大核心问题：1）数据动态演变导致的模型性能衰减。集中式光伏电站的运行过程中，光伏组件会因老化、灰尘覆盖等因素出现性能退化等问题。若预测模型始终基于初始离线数据集训练，未及时融入新的运行数据，其预测精度会随时间推移逐渐衰减，难以满足长期在线预测需求；2）模型更新过程中的灾难性遗忘。为缓解数据动态演变带来的性能衰减，需对模型进行在线更新，但传统的全量更新方式需重新训练整个模型易导致模型遗忘历史训练数据中的关键知识，反而降低预测可靠性。 为解决上述问题，本文提出一种基于深度学习的集中式光伏电站在线增量功率预测方法，以PatchTST为基础架构，引入深度经验回放++（deep experience replay，DER++）增量学习机制，构建“分块特征提取-在线知识保留”双核心预测框架，主要贡献如下。 1）提出分块特征提取与在线知识保留双核心框架。将PatchTST的高效特征提取能力与DER++的增量学习优势相结合，通过PatchTST的多尺度分块特征提取能力，可同时捕捉光伏功率的日周期、季节周期等多维度规律。 2）优化多变量时间序列的增量更新策略。针对光伏功率预测的多变量特性，在DER++机制中引入多变量参数约束项，确保更新过程中多变量依赖关系的稳定传递，提升模型对多变量动态演变的适应能力。 3）提出基于样本重要性的经验回放策略。根据历史样本对模型性能的贡献度，设计样本筛选与存储机制，在降低内存占用的同时，最大化历史知识的保留效果。 结论 针对集中式光伏电站在线功率预测中数据动态演变导致模型性能衰减与模型更新引发灾难性遗忘两大核心问题，提出了一种在线增量多变量时间序列预测模型，主要研究结论如下。 1）所提模型有效解决了数据动态演变导致的预测性能衰减问题，精准捕捉了光伏功率的多尺度周期性特征，并通过自注意力机制挖掘了气象变量与功率间的动态依赖关系。 2）所提模型对气象数据与功率数据对应的参数分别施加弹性权重，避免了更新过程中多变量依赖关系的丢失。 3）针对云层快速遮挡、短时暴雨等突发性天气事件，模型通过多尺度特征提取与动态参数更新，能够快速响应环境因素的剧烈变化，及时调整预测策略。 作者简介 杨超颖 杨超颖（1984），女，通信作者，高级工程师（教授级），从事新能源功率预测、新能源运行及调控研究，E-mail：ycy629@126.com； 李慧蓬（1985），男，高级工程师，从事新能源并网运行分析研究，E-mail：huipeng_li@163.com； 赵军（1991），男，工程师，从事新能源功率预测、储能运行研究，E-mail：18246153625@163.com。 注：本文内容呈现略有调整，如需要请查看原文。 往期回顾 ◀  《中国电力》2026年第6期抢先看 ◀  国网河南省电力公司 王震宇 等｜基于电-热-力耦合的复杂工况配网避雷器应力分布 ◀  国网新疆电力有限公司 周专 等｜基于动态权重混合专家模型的超短期电力负荷预测 ◀  东方电气（成都）创新研究有限公司 舒军 等｜六边形变换器电容电压纹波抑制机理及控制策略 ◀  云南电网有限责任公司 石恒初 等｜基于录波数据的全域继电保护时钟失步智能校核系统设计 ◀  “面向新型电力系统安全稳定运行的多元负荷可调能力与互动关键技术”专题征稿启事 ◀  “超高比例新能源系统电力电量置信平衡机制及多类型电源概率化规划技术”专题征稿启事 ◀  “‘双碳’目标下支撑能源转型的电价市场化改革与价格监管”专题征稿启事 ◀  “电力电子化电力系统故障控制与保护关键技术”专题征稿启事 编辑： 许新雨 校对： 于静茹 审核：张红宪 声明 根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。