人才强校 | 信电学院叶林教授团队在风-光功率联合预测方面取得系列研究进展

近日，信息与电气工程学院叶林教授团队在风-光伏功率联合预测方面的最新研究成果 Heterogeneous Spatiotemporal Graph Convolution Network for Multi-Modal Wind-PV Power Collaborative Prediction 于2024年7月刊登在电气工程领域国际顶级期刊《IEEE电力系统汇刊》（IEEE Transactions on Power Systems）第39卷第4期上。

在“碳中和、碳达峰”战略目标驱动下，构建以新能源为主体的新型电力系统发展势在必行。新能源发电功率的大规模开发和高比例并网给电力系统安全稳定运行带来了电力电量平衡挑战，迫切需要广域空间范围内多种电力资源的统筹协调和优化配置。然而，这将对传统“one-by-one”单一能源+单一区域的预测模式产生计算精度和计算效率的双重冲击，亟需向“multi-to-multi”多种能源+跨区联动的研究方向迈进。鉴于此，团队深入分析了风-光能源之间、区域分布之间的异质性特征和相关性信息，创新性地开发了一种异构型时空图卷积神经网络模型用以解决跨区域风-光有功功率多模态群体预测问题，在提高预测效率的同时，还能够保证计算的精度。研究成果可延伸应用于区域内风-光集群之间或跨区域新能源集群之间的功率预测、协调控制问题，为AI赋能下新型电力系统更大空间、更大时间尺度范围内的电力电量平衡提供决策支撑。

图片1.png

研究成果是叶林教授团队继2023年1月在电气工程领域国际顶级期刊《IEEE可持续能源汇刊》（IEEE Transactions on Sustainable Energy）上发表学术研究成果 A Spatiotemporal Directed Graph Convolution Network for Ultra-Short-Term Wind Power Prediction 之后，再一次在《IEEE顶级汇刊》上发表高水平学术论文。前期研究重点解决如何提高图神经网络对集群区域内风电功率时空交互关系的可解释性问题，创新性地提出了一种大规模风电功率时空有向图表征方法和群体预测思想，结合多尺度时间卷积神经网络与空间图卷积神经网络，开发了一种端到端风电功率时空学习机制。而当前工作在此基础上，进一步扩大了时空图卷积神经网络在大规模风-光功率预测领域的适用尺度，完善了团队新能源发电功率空间相关性预测理论体系，为含大规模风-光发电的电力系统调度运行控制提供数据与决策支撑。

图片2.png

中国农业大学叶林教授团队在新能源发电功率组合预测、电力系统有功功率模型预测控制领域已有十余年研究积累，取得丰硕的创新研究成果。信电学院2020级博士研究生李卓（现在比利时鲁汶大学公派访学）为论文的第一作者，领军教授叶林为论文通信作者，中国电力科学研究院汤涌教高、於益军教高、宋旭日主任、罗雅迪主任参与指导了该项工作。论文研究得到了国家自然科学基金-新型电力系统领域联合基金重点项目（U22B20117）、国家电网公司总部科技项目（5108-202155037A-0-0-00）的大力资助。