找到 2 条结果 · 智能化与AI应用
基于双分支专家融合记忆网络的大规模配电网净负荷高效预测
Efficient Net Load Forecasting in Large-Scale Power Distribution Systems via Dual-Branch Experts Fusion Memory Network
Shijie Li · Ruican Hu · Guanlin Chen · Lulu Chen 等10人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文针对高比例可再生能源接入下配电网净负荷预测难题，提出双分支专家融合记忆网络（DEFMN），分别建模负荷与分布式电源的异质性，并融合时空相关性。在IEEE 8500节点系统验证中，该模型在MAPE等指标上达到SOTA性能。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的日前-日内净负荷预测能力具有直接提升价值。DEFMN可嵌入iSolarCloud的AI预测引擎，优化光储协同调度策略；尤其适用于工商业光伏+用户侧储能场景中多类型DG（如组串式逆变器、充电桩、小型风电变流器...
基于深度神经网络的激光无线能量传输光伏阵列动态重构
Dynamic Reconfiguration of Photovoltaic Arrays for Laser Wireless Power Transmission via Deep Neural Networks
Yanfengxu Sun · Guoliang Deng · Huomu Yang · Yuchao Chen 等6人 · IEEE Transactions on Power Electronics · 2024年6月
在激光无线能量传输（LWPT）中，云层和大气湍流会导致光伏阵列辐照不均匀，引发功率失配。本文提出利用深度神经网络进行光伏阵列动态重构，以有效提升系统功率输出，解决传统重构技术在复杂环境下的执行效率问题。
解读: 该技术通过深度学习优化光伏阵列的动态重构，旨在解决局部遮挡或非均匀辐照下的功率失配问题。对于阳光电源而言，该算法可集成至iSolarCloud智能运维平台或组串式逆变器的MPPT控制策略中，以提升复杂工况下的发电效率。虽然激光无线传输目前处于前沿探索阶段，但其核心的“阵列重构+AI优化”思路，可直接...