云-边缘协同预测在工业光伏-储能-充电系统中的应用

《Chinese Journal of Electrical Engineering》：Cloud-Edge Collaborative Forecasting for Industrial Photovoltaic-Storage-Charging Systems

　　

摘要：

随着可再生能源在现代电网中整合程度的不断提高，光伏（PV）发电已成为一个关键要素，通常与储能系统结合使用以提高调度效率。然而，光伏发电的固有可变性和用户负载的存在给系统的精确调度带来了重大挑战。一个主要难点是光伏输出经常受到人为的功率限制，这与太阳辐射量之间存在非线性关系，而充电负载在工作日和周末之间表现出不同的模式。为了解决这个问题，提出了一种云边协同预测系统，该系统被应用于本地能源管理系统（EMS）中。该系统采用基于元学习的多头回归模型，整合了XGBoost、支持向量回归、随机森林、CatBoost和多层感知器等技术。在光伏发电预测中，引入了历史滚动滞后特征来捕捉功率限制的模式；在负载预测中，设计了基于时间的特征来反映电力消耗的行为习惯。该系统已成功部署在海尔工业园区的一个充电站。这一解决方案在实际应用中验证了其在应对集成能源系统中的不确定性方面的有效性，同时也展示了边缘部署算法在优化储能策略和降低运营成本方面的作用。