近日，深圳大學(xué)機(jī)電與控制工程學(xué)院王懷智助理教授、湖南大學(xué)周斌教授、上海交通大學(xué)黎燦兵教授和俄羅斯科學(xué)院院士IEEE Fellow Nikolai Voropai教授在國(guó)際頂級(jí)期刊Energy Conversion and Management (ECM)上聯(lián)合發(fā)表了一篇題為"Taxonomy Research of Artificial Intelligence for Deterministic Solar Power Forecasting"的研究論文。ECM為中科院大類一區(qū)、TOP期刊，影響因子為7.181。

該論文對(duì)基于人工智能的太陽(yáng)能發(fā)電預(yù)測(cè)方法、參數(shù)優(yōu)化方法和預(yù)測(cè)結(jié)構(gòu)開(kāi)展了分類學(xué)研究。機(jī)電學(xué)院王懷智助理教授為第一作者，周斌教授和黎燦兵教授為共同通訊作者。其它共同作者包括曹廣忠教授、劉揚(yáng)洋研究生、Nikolai Voropai教授和Evgeny Barakhtenko教授。

太陽(yáng)能發(fā)電預(yù)測(cè)是電力能源系統(tǒng)經(jīng)濟(jì)、安全運(yùn)行的重要環(huán)節(jié)。本文首先對(duì)人工智能預(yù)測(cè)方法、參數(shù)優(yōu)化和預(yù)測(cè)結(jié)構(gòu)展開(kāi)了分類、命名和統(tǒng)計(jì)分析研究，總結(jié)了各種預(yù)測(cè)方法的優(yōu)缺點(diǎn)。其次，本文提出了一種新的人工智能預(yù)測(cè)結(jié)構(gòu)。該預(yù)測(cè)結(jié)構(gòu)分為特征學(xué)習(xí)、權(quán)重更新和多元回歸三個(gè)部分，如圖1所示。特征學(xué)習(xí)用于提取環(huán)境數(shù)據(jù)和時(shí)序數(shù)據(jù)的潛在特征，并作為權(quán)重更新的輸入。權(quán)重更新則用于優(yōu)化多元回歸的權(quán)重系數(shù)。多元回歸負(fù)責(zé)太陽(yáng)能發(fā)電預(yù)測(cè)輸入和輸出的數(shù)學(xué)建模。該預(yù)測(cè)結(jié)構(gòu)最大的優(yōu)點(diǎn)是其強(qiáng)大的兼容性，可兼容已有的大部分神經(jīng)網(wǎng)絡(luò)算法，如支持向量機(jī)、深度學(xué)習(xí)和循環(huán)神經(jīng)網(wǎng)絡(luò)等。最后，本文對(duì)太陽(yáng)能發(fā)電預(yù)測(cè)的熱點(diǎn)方向和潛在問(wèn)題進(jìn)行了深入剖析。

                                 圖1 提出的人工智能預(yù)測(cè)結(jié)構(gòu)

本研究得到了國(guó)家自然科學(xué)基金委、廣東省電磁控制與智能機(jī)器人重點(diǎn)實(shí)驗(yàn)室和深圳市科創(chuàng)委等經(jīng)費(fèi)支持。原文鏈接：https://www.sciencedirect.com/science/article/pii/S0196890420304477。