基于云特征和ViT+LSTM神经网络的超短期光伏发电功率预测方法

董浩淼; 张耀; 林帆; 李嘉兴; 张贝西; 廖建

doi:10.12204/j.issn.1000-7229.2026.03.001

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于云特征和ViT+LSTM神经网络的超短期光伏发电功率预测方法

气象敏感型电力系统高精度预测、风险评估与运行关键技术栏目主持·余光正、杨茂、李更丰、李然、李远征、万灿· | 更新时间：2026-09-28

- 基于云特征和ViT+LSTM神经网络的超短期光伏发电功率预测方法
- Ultra-Short-Term Photovoltaic Power Forecasting Approach Based on Cloud Features and ViT+LSTM Neural Network
- 电力建设 2026年47卷第3期页码：1-11
- 作者机构：
  
  西安交通大学电气工程学院，西安市 710049
- 作者简介：
  
  董浩淼（2000），男，硕士研究生，主要研究方向为新能源发电预测；
  张耀（1988），男，博士，副教授，博士生导师，通信作者，主要研究方向为可再生能源预测与并网消纳、电力大数据与人工智能等，E-mail：yaozhang_ee@xjtu.edu.cn；
  林帆（1998），男，博士研究生，主要研究方向为新能源发电预测；
  李嘉兴（2000），男，硕士研究生，主要研究方向为配电网三相不平衡治理；
  张贝西（2000），男，硕士研究生，主要研究方向为电力系统优化、电力大数据；
  廖建（2000），男，硕士研究生，主要研究方向为电力系统大数据分析及其应用。
- 基金信息：
  
  国家重点研发计划项目(2024YFF0809204)
- DOI：10.12204/j.issn.1000-7229.2026.03.001
  中图分类号： TM615
- 收稿：2025-08-06，
  
  修回：2025-09-22，
  
  纸质出版：2026-03-01
- 稿件说明：
移动端阅览
董浩淼,张耀,林帆等.基于云特征和ViT+LSTM神经网络的超短期光伏发电功率预测方法[J].电力建设,2026,47(03):1-11.

DONG Haomiao,ZHANG Yao,LIN Fan,et al.Ultra-Short-Term Photovoltaic Power Forecasting Approach Based on Cloud Features and ViT+LSTM Neural Network[J].Electric Power Construction,2026,47(03):1-11.
董浩淼,张耀,林帆等.基于云特征和ViT+LSTM神经网络的超短期光伏发电功率预测方法[J].电力建设,2026,47(03):1-11. DOI： 10.12204/j.issn.1000-7229.2026.03.001.

DONG Haomiao,ZHANG Yao,LIN Fan,et al.Ultra-Short-Term Photovoltaic Power Forecasting Approach Based on Cloud Features and ViT+LSTM Neural Network[J].Electric Power Construction,2026,47(03):1-11. DOI： 10.12204/j.issn.1000-7229.2026.03.001.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多头注意力机制改进图神经网络的新能源电力系统风险评估

基于四侧联合计算因子的新型电力系统评价及省域对比分析

计及差异化租赁机制的多园区共享储能双层随机优化配置研究

基于边界安全域刻画的输配电网协同分布式供电恢复方法

面向高比例新能源电力系统的大用户省间现货交易风险评估

基于云特征和ViT+LSTM神经网络的超短期光伏发电功率预测方法

Ultra-Short-Term Photovoltaic Power Forecasting Approach Based on Cloud Features and ViT+LSTM Neural Network

DOI：10.12204/j.issn.1000-7229.2026.03.001