影响：用于光伏发电预测的逆变器信息多模式学习

Arxiv：2610.40418v1公告类型：交叉摘要：这项工作开发了一个基于物理信息的多模式深度学习框架，用于提前10到110分钟的概率光伏功率预测。该预测模型建立在一个四分支架构上，该架构通过一个具有学习邻接关系的图形注意编码器分别编码植物级时间历史和逆变器级空间云动态，并通过门控交叉注意融合已知的未来太阳几何和当前气象状态。几何学分支增加了两个前瞻性的物理信号，空间云异质性和逆变器斜坡活动，每个信号都经过经验加权，朝向它最具预测性的地平线。解码器将其预测锚定到智能持续基线，学习地平线条件校正，并通过核加权自适应共形校准步骤在线校准所得到的分位数预测。所提出的模型表现优于所有14个基线，预测技能得分(FSS)为0.2950，比次佳模型高0.099。树枝组成的消融表明，每个树枝都做出了积极的贡献，模式在应对多云和多变的天空条件时保持了相当高的技能(FSS 0.198和0.255)。