找到 2 条结果 · 光伏发电技术
基于稀疏模型集成学习策略的主动配电网有功调度端到端协同优化
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月
随着分布式可再生能源渗透率的提高，新型主动配电网日益采用灵活调节策略。源荷双侧不确定性给配电网调度带来显著挑战，传统“先预测后优化”方法难以量化实时调度与理论最优之间的性能差距。为此，本文提出一种端到端协同优化策略，直接利用格点化气象数值预报等多源信息进行调度决策，省去功率预测中间环节。为应对高维开放场景下的模型训练难题，引入稀疏模型集成学习构建调度策略，并采用约束策略优化求解。算例表明，该策略在光伏无功辅助服务与需求响应场景中优于传统方法。
解读: 该端到端协同优化技术对阳光电源PowerTitan储能系统和SG系列光伏逆变器的智能调度具有重要应用价值。通过跳过传统功率预测环节，直接基于气象数据进行调度决策，可显著提升iSolarCloud云平台的实时响应能力。稀疏模型集成学习策略适用于ST储能变流器的多场景自适应控制，特别是在光伏无功辅助服务...
基于深度强化学习的多模态对抗攻击下鲁棒光伏功率预测
Robust Photovoltaic Power Forecasting Against Multi-Modal Adversarial Attack via Deep Reinforcement Learning
Jingxuan Liu · Haixiang Zang · Lilin Cheng · Tao Ding 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
随着深度学习与多模态外部数据在光伏功率预测中的广泛应用，网络攻击尤其是虚假数据注入可能严重误导预测结果，威胁电网安全经济运行。现有研究尚未充分关注多模态协同攻击的影响，且难以应对隐蔽性攻击。为此，本文提出一种新型鲁棒预测框架，通过构建充分利用多模态相关性的对抗攻击模拟潜在虚假数据注入，并采用深度确定性策略梯度算法动态调整各模态权重，以抑制数据污染并保留有效信息。 actor与环境模块预训练以提升收敛性与泛化能力。实验表明，在输入扰动低于5%时，所提方法均绝对误差仅增加0.053 kW，显著优于无...
解读: 该多模态鲁棒预测技术对阳光电源iSolarCloud云平台和PowerTitan储能系统具有重要应用价值。针对光伏电站面临的网络安全威胁，可将深度强化学习的动态权重调整机制集成到智能运维平台中，增强气象数据、历史功率等多源信息融合的抗攻击能力。对于ST系列储能变流器的功率预测模块，该方法可有效抵御虚...