基于时序图神经网络的光伏系统早期异常检测与性能预测
机器学习
2025-12-04 v1 数据分析、统计与概率
摘要
太阳能光伏（PV）系统的快速增长需要先进的性能监测与异常检测方法以确保最佳运行。在本研究中，我们提出一种基于时序图神经网络（Temporal GNN）的新方法，利用环境和运行参数预测太阳能 PV 输出功率并检测异常。所提出的模型利用 PV 系统关键参数之间的图基时序关系，包括辐照度、组件温度和环境温度，来预测电力输出。本研究基于位于法国里昂一栋屋顶上的户外设施收集的数据，包括 PV 模块的功率测量和气象参数。
引用
@article{arxiv.2512.03114,
title = {Temporal Graph Neural Networks for Early Anomaly Detection and Performance Prediction via PV System Monitoring Data},
author = {Srijani Mukherjee and Laurent Vuillon and Liliane Bou Nassif and Stéphanie Giroux-Julien and Hervé Pabiou and Denys Dutykh and Ionnasis Tsanakas},
journal= {arXiv preprint arXiv:2512.03114},
year = {2025}
}