2024年7月，Journal of Renewable and Sustainable Energy刊登南昌大学信息工程学院自动化系余运俊教授团队的论文“Multi-site solar irradiance prediction based on hybrid spatiotemporal graph neural network”，该论文被选为“Featured Article”，Scilight周刊以 “Improving predictive accuracy for photovoltaics” 为题进行报道。Scilight是AIP出版的网络周刊，致力于挑选最新的、最具有代表性的文章，介绍研究成果，并强调其在该领域的创新性和突破性。

图1 论文在网站首页并被选为“Featured Article”

图2 Scilight以 “Improving predictive accuracy for photovoltaics” 为题进行报道

光伏发电因其成本低廉、安装简便且快速，同时得益于政府政策和市场需求的推动，全球光伏发电装机量正迅速增长。为提高电网中光伏站点输出预测的准确性，一种较新的方法是通过考虑与邻近光伏站点的空间相关性，以提高准确性。

图3 基于混合时空图神经网络的多站点光伏预测框架

该研究采用混合图神经网络模型，融合了静态自适应图学习和动态图学习，并通过门控机制进一步增强了模型对多站点间复杂空间依赖关系的捕捉能力。同时考虑到云层运动等因素导致的不同站点间影响的时滞差异，引入了自适应时空融合模块，来防止站点受到意外空间噪声的影响。通过与单站点预测模型及多站点预测模型的比较，实验结果显示，该模型在两个不同气候区域的光伏辐照度预测上，准确度有显著提升。该研究在跨气候类型的预测准确性及模型泛化能力方面具有明显优势，为能源管理的优化和相关市场的发展提供了新的视角。

论文全文链接：

J. Renewable Sustainable Energy 16, 043701 (2024)

https://doi.org/10.1063/5.0207462

AIP Scilight链接：

Scilight 2024, 271103 (2024)

https://doi.org/10.1063/10.0027936

团队简介

余运俊，南昌大学教授、博士生导师，2013年博士毕业于中国科学院大学，2015年-2018年期间在清华大学和江西省电力公司做博士后研究，2016-2017年美国纽约大学访问学者，2010年获得DAAD奖学金在德国鲁尔-波鸿大学访问。自2018年8月开始担任南昌大学人工智能工业研究院副院长，兼任江西省自动化学会秘书长，江西省数字经济学会副秘书长，江西省数字经济学会数字乡村专委会副主任。团队研究方向包括光伏预测、故障诊断、自抗扰控制、数据驱动优化控制及其在微电网中的应用、低碳电力技术。