AutoPV：为光伏功率预测自动设计模型
机器学习
2026-04-16 v1
摘要
光伏功率预测 (PVPF) 是时间序列预测 (TSF) 中的关键领域，使太阳能的高效利用成为可能。随着机器学习和深度学习的发展，已有多种模型被应用于 PVPF 任务。然而，为特定的 PVPF 任务构建最优预测架构仍具有挑战性，这需要跨领域知识和大量人力成本。为此，我们引入 AutoPV，一个基于神经网络架构搜索 (NAS) 技术的 novel PVPF 模型自动搜索和构建框架。我们构建了一个新的 NAS 搜索空间，融合了来自最先进 (SOTA) TSF 模型和典型 PVPF 深度学习模型的各种数据处理技术。在中国大庆光伏站的数据集上评估了 AutoPV 的效果。实验结果表明，AutoPV 能在相对较短的时间内完成预测架构构建过程，新构建的架构优于现有最先进预定义模型。本工作填补了将 NAS 应用于 TSF 问题的空白，帮助非专业人员和行业人员自动设计有效的 PVPF 模型。
引用
@article{arxiv.2408.00601,
title = {AutoPV: Automatically Design Your Photovoltaic Power Forecasting Model},
author = {Dayin Chen and Xiaodan Shi and Mingkun Jiang and Haoran Zhang and Dongxiao Zhang and Yuntian Chen and Jinyue Yan},
journal= {arXiv preprint arXiv:2408.00601},
year = {2026}
}