Volume 2,Issue 1
Fall 2025
基于人工智能的新能源发电功率预测模型
随着全球气候变化和能源危机的加剧，新能源的开发利用成为各国能源战略的重要组成部分。通过人工智能技术优化新能源发电功率预测，可以提高新能源发电的利用率，减少对化石燃料的依赖，促进能源结构的转型和可持续发展。针对于此本文首先对新能源发电于人工智能技术进行概述，随后说明了基于人工智能的新能源发电功率预测模型构建的意义及重要性，并针对实际预测模型应用中存在的相关问题，如数据采集与处理的挑战和模型泛化能力的局限性以及实时预测与计算资源的矛盾等，提出了针对性的优化策略。通过采用先进的数据采集技术和采用深度学习及迁移学习技术等策略的实施，期望能为系能源发电模型更好应用提供帮助。
[1]赵霞,王震龙,佘玉乾,等.基于人工智能技术的新能源功率预测分析[J].电力设备管理,2024,(16):117-119.
[2]任苗苗,舒晓斌.人工智能在中国新能源领域中的应用与前景分析[J].储能科学与技术,2024,13(10):3619-3621.DOI:10.19799/j.cnki.2095-4239.2024.0818.
[3]高健,谭日辉,高卓.人工智能技术与新能源相结合打造智慧城市能源系统[J].科技传播,2024,16(19):1-5+10.DOI:10.16607/j.cnki.1674-6708.2024.19.001.
[4]周涛.新能源汽车智能座舱设计对驾驶者体验的影响研究[C]//中国智慧工程研究会.2024人工智能与工程管理学术交流会论文集.合众新能源汽车股份有限公司,2024:3.
DOI:10.26914/c.cnkihy.2024.021046.
[5]李国峰. 基于变分模态分解与LSTM优化的光伏功率预测方法研究[D]. 牡丹江师范学院,2024.
[6]刘雨竹,徐楠.基于IQPSO优化LSTM的光伏功率超短期预测模型研究[C]//吉林省电机工程学会.吉林省电机工程学会2024年学术年会获奖论文集.国网吉林省电力有限公司公
主岭市供电公司,2024:8.DOI:10.26914/c.cnkihy.2024.033631.
[7]邵欣洋, 杨毅, 鲁一宵. 基于生成对抗网络和NGO-BiLSTM的少样本光伏功率短期预测[J]. 昆明理工大学学报(自然科学版), 20224.1-12.
[8]臧鹏发,王珂琪,张中伟,等.基于多特征提取的超短期光伏发电功率预测研究[J/OL].激光与光电子学进展,2024.1-20.
[9]于嘉玮.储能技术在风力发电系统中的应用[C]//中国电力设备管理协会.全国绿色数智电力设备技术创新成果展示会论文集（四）.京能秦皇岛热电有限公司,2024:3.
DOI:10.26914/c.cnkihy.2024.043846.
[10]周晓慧.基于人工智能的初中物理跨学科实践教学设计——以“搭建风力发电结构系统”为例[J].物理教师,2024,45(10):32-36+40.