找到 15 条结果 · 智能化与AI应用
基于鲁棒强化学习的网络化微电网韧性运行方法
Robust Reinforcement Learning-Based Resilient Operation of Networked Microgrids
Guokai Hao · Yuanzheng Li · Yang Li · Jiehui Zheng 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对工业园区微电网（PIPMG）在主网故障下供电韧性不足问题，本文提出连接园区微电网与社区微电网的网络化微电网（NMG）架构，并设计鲁棒强化学习算法优化调度策略，确保仿真到实机迁移中性能下界可控，提升关键负荷支撑能力与跨微电网功率动态协同能力。
解读: 该研究高度契合阳光电源在构网型微电网与智能能量管理领域的战略布局。其鲁棒强化学习调度框架可直接赋能iSolarCloud平台的微电网群协同决策模块，并适配ST系列PCS及PowerTitan系统在多微电网互联场景下的动态功率分配与黑启动支援功能。建议将该算法集成至PowerStack集群控制器固件，...
基于多智能体伦理增强技术的多微电网电-碳联合点对点交易方法
Multi-Microgrids Peer to Peer Electricity-Carbon Joint Trading Method Based on Multi-Agent Ethical Enhancement Technology
Fashun Shi · Lin Cheng · Yuguang Song · Pengjie Zhao 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种融合伦理原则的多智能体安全强化学习算法，用于多微电网电-碳联合能量管理。通过引入碳交易机制、上置信界-增广拉格朗日安全RL框架及几何变换隐私保护模块，在保障电力平衡与低碳经济运行的同时，实现‘不伤害’与隐私保护双重伦理目标。
解读: 该研究高度契合阳光电源在光储协同与智能微电网领域的战略布局。其电-碳联合P2P交易框架可直接赋能iSolarCloud平台升级为碳感知型智能运维系统；安全强化学习算法可用于优化ST系列PCS及PowerTitan在多微网场景下的动态功率分配与碳足迹追踪；隐私保护模块亦可集成至组串式逆变器边缘侧决策单...
面向时空可再生能源预测的图状态空间模型
Graph State-Space Models for Spatio-Temporal Renewable Energy Forecasting
Alessio Verdone · Simone Scardapane · Rodolfo Araneo · Massimo Panella · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出基于图结构的状态空间模型，用于提升风电与光伏电站功率的时空联合预测精度。针对计算开销问题，设计轻量级miniGConvLSTM/GRU模型，在精度与资源效率间取得平衡，支撑实际能源管理系统部署。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的短期功率预测需求。图神经网络融合状态空间建模可显著提升多站点光伏电站（如组串式逆变器集群）与风电场协同预测精度，优化ST PCS的充放电调度策略；建议将miniGConvGRU嵌入iSolarCloud...
主动配电网、互联微电网与电动汽车的协同运行：一种多智能体PPO优化方法
Coordinated Operation of Active Distribution Network, Networked Microgrids, and Electric Vehicles: A Multi-agent PPO Optimization Method
作者未知 · 中国电机工程学会热电联产 · 2025年9月 · Vol.2025
本文提出基于多智能体近端策略优化（MAPPO）的协同优化策略，融合可再生能源不确定性与电动汽车调度灵活性，在日前-日内两阶段实现互联微电网经济调度与主动配电网影响抑制；采用GAN生成光伏/负荷/EV场景，提升实时决策鲁棒性。
解读: 该研究高度契合阳光电源ST系列PCS、PowerTitan储能系统及iSolarCloud平台在多主体协同控制与AI驱动智能调度方向的战略布局。MAPPO算法可嵌入iSolarCloud实现微电网群+EV集群的分布式实时优化，提升PowerTitan在源网荷储协同场景下的响应精度与经济性；建议将MA...
物理信息梯度估计加速基于深度学习的交流最优潮流
Physics-Informed Gradient Estimation for Accelerating Deep Learning-Based AC-OPF
Kejun Chen · Shourya Bose · Yu Zhang · IEEE Transactions on Industrial Informatics · 2025年3月
通过采用基于神经网络的响应式在线求解器，可以快速且可靠地解决最优潮流（OPF）问题。可再生能源发电的动态特性和电网条件的多变性要求利用新的数据实例频繁更新神经网络。为满足这一需求并减少数据准备所需的时间，我们提出了一种借助数据增强的半监督学习框架。在此框架下，岭回归取代了传统求解器，便于快速预测给定输入负荷需求的最优解。此外，为了在训练过程中加速反向传播，我们开发了新颖的批量均值梯度估计方法，并采用简化支路集来降低梯度计算的复杂度。数值模拟表明，配备了所提出的梯度估计器的神经网络能够始终获得可行...
解读: 从阳光电源的业务视角来看，这项基于深度学习的交流最优潮流（AC-OPF）加速技术具有重要的战略价值。随着我司在新能源发电和储能系统领域的深度布局，如何实现分布式能源的实时优化调度已成为核心技术挑战。 该论文提出的物理信息梯度估计方法直击新能源并网的关键痛点。光伏、风电等可再生能源的间歇性和波动性要...
基于个性化联邦强化学习的多微电网协同优化调度低碳经济方法
Cooperative optimal dispatch of multi-microgrids for low carbon economy based on personalized federated reinforcement learning
Ting Yang · Zheming Xu · Shijie Ji · Guoliang Liu 等6人 · Applied Energy · 2025年1月 · Vol.378
摘要 互联多微电网（MMG）系统的协同优化调度为大规模可再生能源资源的高效利用提供了广阔前景和重要机遇。此类系统有助于实现能源资源的最优配置，并提升运行成本的经济性。然而，在协同优化调度过程中，异构微电网（MG）实体之间利益诉求的差异导致数据共享受阻，并引发隐私泄露问题。此外，多能耦合关系与高维决策过程进一步加剧了该问题的复杂性，可能导致优化过程难以收敛以及能源管理精度下降。同时，新建微电网缺乏运行数据与调度经验，制约了其调度任务的快速“冷启动”能力。为弥补上述研究空白，本文提出一种基于聚类的个...
解读: 该联邦强化学习多微网协同调度技术对阳光电源ST储能系统和iSolarCloud平台具有重要应用价值。可应用于PowerTitan储能集群的分布式优化调度,在保护各微网数据隐私前提下实现碳-电联合交易优化,降低综合成本5.78%、碳排放8.43%。其冷启动迁移策略可加速新建微网接入速度提升42.83%...
核电与基荷需求在低碳电力系统容量扩展规划中的作用
The role of nuclear energy and baseload demand in capacity expansion planning for low-carbon power systems
Martin Hjelmelan · Jonas Kristiansen Nølan · Stian Back · Magnus Korpas · Applied Energy · 2025年1月 · Vol.377
摘要 绿色转型要求对传统上具有稳定能源需求的工业进行电气化。结合人工智能（AI）和超大规模数据中心的兴起，预计电网连接的基荷将显著增加。这些负荷具有较高的资本和运营成本，通常缺乏灵活性的经济激励。本文探讨了在不同核电站一次性建设成本（OCC）水平下，额外负荷的建模方式如何影响最优能源结构，突出核电在为AI数据中心和重工业电气化提供必要基荷方面的潜在作用。通过采用解析方法，本研究评估了额外负荷曲线与波动性可再生能源（VRE）出力之间的匹配程度，以确定应由哪些技术组合来满足新增电力需求。一项采用基荷...
解读: 该研究揭示基荷负载增长(AI数据中心、重工业电气化)对电力系统规划的影响,对阳光电源储能业务具有战略意义。研究指出核电等基荷电源占比提升将显著降低储能、输电和VRE弃电需求,这要求我司PowerTitan等大型储能系统从单纯容量配置转向灵活性价值挖掘。建议:1)针对工业基荷场景优化ST系列PCS的长...
基于人工神经网络的粒子群优化微电网最优能量调度
Artificial Neural Network Based Particle Swarm Optimization for Microgrid Optimal Energy Scheduling
Maher Abdolrasol · Ramizi Mohamed · M Hannan · Ali Al-Shetwi 等6人 · IEEE Transactions on Power Electronics · 2021年11月
本文提出了一种结合人工神经网络（ANN）与粒子群优化（PSO）的增强算法，用于虚拟电厂（VPP）系统中可再生能源的管理。通过对比基于ANN的二进制粒子群优化（BPSO）算法与原始BPSO算法，验证了该方法在搜索微电网最优能量调度值方面的性能提升。
解读: 该研究提出的AI优化调度算法与阳光电源的iSolarCloud智能运维平台及PowerTitan/PowerStack储能系统高度契合。在虚拟电厂（VPP）场景下，通过ANN-PSO算法优化能量调度，可显著提升储能系统在调峰调频、削峰填谷中的经济效益。建议将该算法集成至阳光电源的EMS（能量管理系统...
基于过渡神经支持决策树的多模态太阳能功率预测局部输入-输出可追溯性方法
Local Input–Output Traceability for Multimodal Solar Power Predictions by Integrating Transitional Neural-Backed Decision Tree
Lilin Cheng · Haixiang Zang · Tao Ding · Zhinong Wei 等5人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
针对深度学习多模态光伏功率预测模型“黑箱”导致的偏差不可解释问题，本文提出一种后验局部可追溯方法，融合神经支持决策树与Shapley值，实现预测结果的分层归因与气象状态转移概率解析，在保持高精度的同时提升局部可解释性。
解读: 该研究直接支撑阳光电源iSolarCloud智能运维平台的预测可信度升级，尤其适用于组串式逆变器集群与PowerTitan储能系统的协同功率预测场景。通过嵌入本地可追溯模块，可增强ST系列PCS在光储联合调度中的决策透明度，辅助运维人员快速定位云图/辐照/温度等多源输入异常影响。建议在iSolarC...
非侵入式市场竞争对手投标行为估计：面向网络化微电网的数据驱动逆优化方法
Non-Intrusive Estimation of Market Competitor Bidding Behaviors: A Data-Driven Inverse Optimization Method for Networked-Microgrids
Yunyang Zou · Yan Xu · Hongxu Huang · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种非侵入式逆优化方法，使可再生能源丰富的微电网仅利用公开的历史出清数据（如节点电价、中标电量、负荷），估计竞争对手的投标价格与电量，从而支撑其在本地电力市场中制定更优战略报价。
解读: 该研究对阳光电源PowerTitan和ST系列储能变流器（PCS）在微电网及虚拟电厂（VPP）场景下的智能竞价与协同调度具有直接价值。阳光电源iSolarCloud平台可集成此类逆优化模型，提升光储系统在电力现货/辅助服务市场的收益能力。建议在PowerStack多站群协同控制模块中嵌入该算法，强化...
基于产消者驱动的碳感知配电节点边际电价的数据驱动型点对点能源交易
Data-driven Peer-to-peer Energy Trading Based on Prosumer-driven Carbon-aware Distribution Locational Marginal Price
作者未知 · 现代电力系统通用与清洁能源学报 · 2025年9月 · Vol.2025
本文提出一种电-碳耦合市场下的点对点能源交易机制，引入产消者驱动的碳感知配电节点边际电价（PDC-DLMP）作为DSO定价信号，并采用多智能体强化学习（MATD3）与深度神经网络代理模型实现隐私保护的两层优化，显著降低微网产消者的碳排放与运行成本。
解读: 该研究与阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS高度协同：PDC-DLMP可嵌入iSolarCloud碳流分析模块，支撑光储充一体化微网的低碳交易决策；MATD3算法可适配ST系列PCS的本地边缘智能控制器，实现无需DSO干预的实时功率分配；建议在Powe...
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...
基于期望实现深度学习的风电功率与爬坡率确定性及概率预测
Deterministic and Probabilistic Forecasting of Wind Power Generation and Ramp Rate With Expectation-Implemented Deep Learning
Min-Seung Ko · Hao Zhu · Kyeon Hur · IEEE Transactions on Sustainable Energy · 2025年7月 · Vol.17
本文提出一种小时级日前风电功率与爬坡率协同预测框架，采用定制化损失函数的期望实现深度学习模型，并结合特征工程与误差学习机制，实现确定性与概率双模态输出，显著提升对风电固有波动性的刻画能力。
解读: 该研究对阳光电源风电变流器及iSolarCloud智能运维平台具有直接应用价值：其高精度爬坡率预测可优化ST系列PCS和PowerTitan储能系统的充放电调度策略，支撑风光储联合调峰调频；概率预测结果可嵌入iSolarCloud平台，增强风电场功率预测模块的可靠性评估能力。建议将该算法集成至阳光电...
基于电网惩罚机制的深度强化学习在电-氢等多能耦合系统
含中间储能）可再生能源管理中的评估
Jeongdong Kim · Jonggeol Na · Joseph Sang-Il Kwon · Seongbin Ga 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出一种基于深度强化学习（DRL）的小时级电-氢（PtX）系统规划模型，融合混合储能系统，采用电网惩罚奖励函数优化运行成本，并在法国真实数据下对比规则模型。结果表明DRL显著提升月利润（+1360.12%），且通过调节电网惩罚可兼顾高盈利与高可再生能源渗透率。
解读: 该研究与阳光电源ST系列储能变流器（PCS）、PowerTitan液冷储能系统及iSolarCloud智能平台高度协同：DRL策略可嵌入PCS能量管理模块实现动态充放电优化；PowerTitan的灵活功率调度能力适配PtX多时间尺度响应需求；iSolarCloud可集成此类AI算法提供区域级光储氢协...
面向配电网电压调节的原型化联邦强化学习方法：融合物理感知时空图神经网络
Prototype Federated Reinforcement Learning for Voltage Regulation in Distribution Systems With Physics-Aware Spatial-Temporal Graph Perception
Huayi Wu · Zhao Xu · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
针对主动配电网在线电压调节中隐私保护与新能源不确定性挑战，提出STT-PFRL模型：基于时空Transformer的联邦强化学习框架，通过传输本地原型而非原始数据保障隐私；嵌入物理拓扑的时空图感知提升策略鲁棒性；ProtoFedSAC算法增强环境异构适应能力。在33/118节点系统验证其高效性。
解读: 该研究对阳光电源ST系列储能变流器（PCS）及iSolarCloud智能运维平台具有直接应用价值：可嵌入PCS本地控制层实现分布式电压协同调节，提升光储系统在弱电网下的动态响应能力；其联邦学习架构适配iSolarCloud边缘-云协同架构，支持多电站隐私安全的联合策略优化。建议在PowerTitan...