原文信息：
Ultra-short-term distributed PV power forecasting for virtual power plant considering data-scarce scenarios
原文链接：
https://www.sciencedirect.com/science/article/pii/S030626192401273X
Highlights
• 准确的分布式光伏功率预测对虚拟电厂的优化运营具有重要作用.
• 新建站数据较少或数据共享限制导致数据样本匮乏制约了功率预测精度提升.
• 所提方法在数据匮乏场景下的分布式光伏发电功率预测问题具有优势.
• 基于域对抗算法避免两个地区间分布式光伏出力特性分布差异的影响.
• 基于对抗图网络实现从源域多站点到目标域多站点的预测相关知识迁移.
Research gap
由于站点新建、改造升级或数据共享限制等原因造成的功率数据匮乏，导致现有的数据驱动型分布式光伏功率预测方法精度不高。现有利用数据丰富区域（源域）信息提升数据匮乏区域（目标域）预测精度的建模方法，一方面难以有效处理目标域与源域之间分布式光伏出力特性的固有差异，另一方面难以实现分布式光伏多目标到跨区域多目标的知识迁移。
Abstract
Accurate forecasting of distributed photovoltaic (DPV) power plays a crucial role in enabling a virtual power plant (VPP) to grasp its internal DPV characteristics and support the development of optimized internal scheduling strategies. However, majority of the existing forecasting methods are developed rely on sufficient power data samples. Power data scarcity caused by site construction, upgrading or limitation of data share in VPP will lead to poor forecasting accuracy of DPV. To conquer this limitation, the adversarial Graph Neural Network based ultra-short-term DPV power forecasting method for VPP considering the scenarios of data-scarcity is proposed. In this method, the forecasting model is developed on the graph structure data of multi-sites, which is constructed from data-rich region and data-scarce region, respectively. Specifically, graph representation learning and adversarial domain adaptation techniques are utilized to learn domain-invariant graph embedding features, which are further incorporated into the spatiotemporal modeling of DPV power data. As a result, the power forecasting accuracy of sites within the data-scarce region is improved by transferring “forecasting-related knowledge” from DPV sites of data-rich region with different data distributions and graph structures. The simulation experiment proves that the forecasting accuracy can be further improved by integrating the domain-invariant features into the power forecasting of DPV in the data-scarce region via a real power dataset.
Keywords
Distributed photovoltaics
Virtual power plant
Power forecasting
Data scarcity
Forecasting-related knowledge
Domain adversarial
Graph node embedding
Graphics
图1 所提方法总体框架
图2 所提方法训练及预测过程示意图
图3 不同预测尺度下所提方法（Method1）与对比方法在两种预测任务中预测精度指标
图4 不同天气下所提方法（Method1）与对比方法功率预测曲线
图5 某日源域与目标域光伏出力分布及源域与目标域光伏出力特征分布
图6 基于对抗图网络进行域适应前后，源域与目标域出力特征分布
图7 不同预测尺度下所提方法（Method1）与对比方法在不同训练集长度下预测精度指标
本研究由华北电力大学智慧能源网络综合运营研究（SENIOR）团队以及国网河北电力有限公司的研究人员共同完成。
通信作者简介：
王飞，华北电力大学教授、博士生导师、“双一流”建设团队项目负责人、电力系统自动化研究所所长、智慧能源网络综合运营研究（SENIOR）团队负责人，全球顶尖前十万科学家，爱思唯尔“中国高被引学者”，国际电工委员会可再生能源预测IEC国际标准工作组专家，中国电机工程学会能源气象专委会/用电侧低压直流系统专委会委员，中国电工技术学会氢能专委会委员，河北省政府特殊津贴专家，美国伊利诺伊大学厄巴纳-香槟分校访问教授。主要从事新能源发电功率预测、负荷/电量/电价预测、需求响应与电力市场、虚拟电厂与综合能源、新型电力系统等方面研究。发表SCI论文136篇、一级学报/中文核心/EI论文200多篇，累计被引超9000次，出版学术专著2部、专题技术报告1部，授权发明专利18项、软著10件。担任IEEE Transactions on Systems Man and Cybernetics: System、IEEE Transactions on Intelligent Transportation Systems、IEEE Open Access Journal of Power and Energy、IET Renewable Power Generation、Protection and Control of Modern Power Systems等多本国际权威学术期刊副主编和编委；3次作为第1完成人获省部级科技一等奖，研究成果被国际顶级期刊《自然》科技亮点专栏报道，作为核心专家主导制订了国际电工委员会可再生能源预测IEC国际标准；主持国家与省部级纵向与校企合作横向科技项目50多项，与多所海外知名高校与研究机构有长期密切合作。
甄钊，华北电力大学电力工程系副教授、硕士生导师，清华大学电机系博士后，主要研究方向为多时间尺度下风电、光伏发电功率的预测及应用，发表SCI论文30余篇，获授权发明专利7件，出版《新能源发电功率预测》专著1部，获2022年度新疆维吾尔自治区科学技术一等奖，2022年度中国可再生能源学会科学技术一等奖，2019年度中国电工技术学会科学技术二等奖。担任IEEE Transactions on Sustainable Energy、IEEE Transactions on Smart Grid、Applied Energy、Energy等多本能源电力领域国际权威学术期刊审稿人。主持国家自然科学基金青年基金1项，作为研究骨干参与2018与2022年度国家重点研发计划项目、2021年度国家自然科学基金联合基金等纵向项目。
第一作者简介：
王玉庆，华北电力大学电力工程系博士研究生，主要研究方向为新能源发电功率预测与负荷预测。在Applied Energy、IEEE Transactions on Industry Applications和CSEE Journal of Power and Energy Systems、IET Generation, Transmission & Distribution等期刊发表论文6篇。
关于Applied Energy
本期小编：李辉；审核人：冯玉鹏
《Applied Energy》是世界能源领域著名学术期刊，在全球出版巨头爱思唯尔 (Elsevier) 旗下，1975年创刊，影响因子10.1，CiteScore 21.2，本刊旨在为清洁能源转换技术、能源过程和系统优化、能源效率、智慧能源、环境污染物及温室气体减排、能源与其他学科交叉融合、以及能源可持续发展等领域提供交流分享和合作的平台。开源（Open Access）姊妹新刊《Advances in Applied Energy》影响因子13.0，CiteScore 23.9。全部论文可以免费下载。在《Applied Energy》的成功经验基础上，致力于发表应用能源领域顶尖科研成果，并为广大科研人员提供一个快速权威的学术交流和发表平台，欢迎关注！
公众号团队小编招募长期开放，欢迎发送自我简介（含教育背景、研究方向等内容）至wechat@applied-energy.org
点击“阅读原文”
喜欢我们的内容？
点个“赞”或者“再看”支持下吧！
