基于任意分位数循环神经网络的多区域光伏发电概率预测
机器学习
2026-02-06 v1 人工智能
摘要
光伏（PV）发电渗透率的不断提高给电力系统运行带来了显著的不确定性，需要超越确定性点预测的预测方法。本文提出了一种基于任意分位数循环神经网络（AQ-RNN）的多区域光伏发电任意分位数概率预测框架。该模型将任意分位数预测范式与双轨循环架构相结合，该架构联合处理序列特定和跨区域的上下文信息，并辅以膨胀循环单元、基于补丁的时间建模和动态集成机制。所提出的框架能够在单个训练模型内估计任意概率水平下的校准条件分位数，并有效利用空间依赖性来增强系统层面的鲁棒性。该方法使用来自259个欧洲地区的30年小时级光伏发电数据进行评估，并与已建立的统计和神经概率基线进行比较。结果表明，在预测准确性、校准和预测区间质量方面均有一致的改进，突显了所提出的方法在可再生能源主导的电力系统中适用于不确定性感知的能源管理和运行决策。
引用
@article{arxiv.2602.05660,
title = {Probabilistic Multi-Regional Solar Power Forecasting with Any-Quantile Recurrent Neural Networks},
author = {Slawek Smyl and Paweł Pełka and Grzegorz Dudek},
journal= {arXiv preprint arXiv:2602.05660},
year = {2026}
}