通过 Weather-to-Voltage (W2V) 预测建模学习天气-电网联结
系统与控制
2026-04-28 v1 系统与控制
摘要
本文提出了一种天气-电压 (W2V) 预测建模框架，以学习天气-电网联结。不同于现有的天气导向电网运营方法，本文提出的 W2V 模型能够实现天气与电网状态的联合分析，并利用这种耦合关系来增强电网感知天气预测 (GAWF) 作为关键应用。为实现此端到端学习，W2V 模型充当包含天气特征的电力流分析的可微代理， 将高空间分辨率的天气特征直接映射到电网全网母线电压。得益于紧凑的神经网络设计和基于主成分分析的初始化，W2V 能够在训练期间实现高电压预测精度和数值稳定性。基于此能力，W2V 生成的电压信号用于指导 GAWF 的开发，后者能够考虑其下游电压预测性能。本文使用 6717 节点德克萨斯合成测试系统，输入来自 701 个气象地点的气象数据，验证了所提出 W2V 模型的优异精度和良好可推广性。更重要的是，W2V 模型使 GAWF 能够有效地优先确定对电网运营最为关键的天气特征和条件，例如系统范围的快速风力下降 precedes 增压现象。
引用
@article{arxiv.2604.23070,
title = {Learning the Weather-Grid Nexus via Weather-to-Voltage (W2V) Predictive Modeling},
author = {Sol Lim and Min-Seung Ko and Farnaz Safdarian and Hao Zhu},
journal= {arXiv preprint arXiv:2604.23070},
year = {2026}
}
备注
10 pages, 10 figures, Submitted to IEEE Transactions on Sustainable Energy