光伏预测新技术破解数据缺失难题

中国科学家近日开发出一种新型光伏发电预测技术，能够有效应对太阳能电站数据严重缺失的行业难题。由湖南大学领衔的研究团队提出的“多域协同迁移学习-多尺度协变量交互”（MDCTL-MCI）方法，在存在大量数据缺失的情况下，仍能保持精准的发电功率预测。

该方法创新性地融合了四大技术模块：首先采用多元奇异谱分析（MSSA）进行数据降噪和特征增强；随后通过轻量化多尺度协变量交互模型挖掘变量间的深层时序关联；进而利用多域协同迁移学习技术，整合多个光伏电站的数据提升模型鲁棒性；最后引入SHAP可解释性分析识别关键影响因素。

研究团队选取了中国北方、中部和西北地区四座光伏电站的全年运行数据（容量30-130MW），这些数据以30分钟为间隔记录，其中辐照度和气象等关键协变量缺失率最高达80%。在与Pyraformer、Transformer等九种先进预测模型的对比实验中，该方法的预测精度在完整数据条件下提升10.5%，在不同缺失数据场景下更是显著提升15.3%。

这项发表于《应用能源》的研究成果，突破了传统预测模型对数据完整性的依赖，为解决实际场景中普遍存在的数据质量问题提供了有效方案。该技术不仅为复杂环境下的光伏系统部署奠定了坚实基础，也将为推动光伏技术进步提供重要支撑。