SolarBoost：面向时变电网容量的分布式光伏发电预测
机器学习
2025-10-27 v1
摘要
本文提出了一种名为 SolarBoost 的新颖方法，用于预测分布式光伏 (DPV) 系统的发电输出。虽然现有的集中式光伏 (CPV) 方法能够精确建模发电输出依赖关系，但难以应用于 DPV 系统，因为 DPV 面临数据缺失、安装容量随时间变化、地理差异性以及组件多样性等挑战。SolarBoost 通过将聚合发电输出建模为来自多个小型电网发电的组合，其中每个电网的发电输出均使用其容量乘以单位发电函数建模。该方法将均匀的单位发电函数从动态容量中解耦，以实现准确预测。提出高效算法基于上界近似，以克服损失函数中的计算瓶颈。我们通过理论分析和实验表明，电网级建模具有优势。SolarBoost 已在中国多个城市部署验证，显著降低了潜在损失，为电网运营提供了宝贵见解。本工作的代码已公开于 https://github.com/DAMO-DI-ML/SolarBoost。
引用
@article{arxiv.2510.21129,
title = {SolarBoost: Distributed Photovoltaic Power Forecasting Amid Time-varying Grid Capacity},
author = {Linyuan Geng and Linxiao Yang and Xinyue Gu and Liang Sun},
journal= {arXiv preprint arXiv:2510.21129},
year = {2025}
}