整县光伏政策促使小容量屋顶光伏急剧增长，实现屋顶分布式光伏超短期发电功率的准确预测是分析海量细粒户用光伏电站对电力系统影响的前提。然而，屋顶分布式光伏在原有波动性的基础上存在小容量、分散式、离线式经营的特点，同时缺乏准确的气象数据，使得光伏功率预测异常复杂。为此，文章在有限数据下纵向地从光伏系统历史功率数据中搜索相似样本，横向地收集相邻分布式光伏发电用户功率数据，实现双向数据扩充，在一定程度上克服了光伏发电预测对于一些关键输入特征的依赖；在此基础上借助LSTNet(Long-and Short-term Time-series Network)神经网络的短期局部特征捕捉、长期时序信息强化、周期线性成分提取功能实现光伏功率预测。实验结果表明，在缺乏重要辐照数据的情况下，所提模型仍具有较好的预测精度。

国家自然科学基金项目（52177069）；湖南省研究生科研创新项目（QL20220198）；

0 引言
1 历史光伏数据双向扩充方法
1.1 考虑气象关联因素的相似日纵向数据扩充
1.2 基于相邻分布式光伏发电用户的横向数据扩充
2 光伏出力影响因素分析
3 LSTNet光伏发电功率预测模型
3.1 卷积单元
3.2 循环层
3.3 循环跳跃层
3.4 自回归层
3.5 短期发电功率预测模型
4 实例分析
4.1 数据预处理
4.2 模型性能评价指标
4.3 不同季节预测结果及分析
4.4 典型天气预测结果及分析
5 结论

[1]王媛媛,尹有鹏,籍宏震,等.双向数据扩充和LSTNet的户用光伏发电预测[J].可再生能源,2025,43(01):45-53.