找到 4 条结果 · 智能化与AI应用
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%...
PowerDiffuser：面向鲁棒电力负荷信号表征的协同对比-重构自监督学习方法
PowerDiffuser: Collaborative Contrastive-Reconstruction Self-Supervised Learning for Robust Power Load Signal Representation
Honggang Yang · Cheng Lian · Bingrong Xu · Ruijin Ding 等5人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
针对智能电表海量负荷数据标注成本高问题，本文提出PowerDiffuser自监督学习框架，融合扩散模型、对比学习与重构学习，设计专用时空特征提取器及适配负荷特性的卷积算子，在多数据集上显著提升下游任务性能。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的负荷预测、异常检测与能效优化具有直接价值。其2D周期性表征方法可增强PCS对用户侧负荷波动的感知能力，建议将PowerDiffuser核心模块集成至iSolarCloud边缘AI推理引擎，支撑组串式逆变器+户...
电池电芯制造装备智能状态监测：一种动态扩张Transformer方法
Intelligent Condition Monitoring for Battery Cell Manufacturing Equipment: A Dynamic Dilated Transformer Approach
Shantao Zhao · Zhanglin Peng · Xiaonong Lu · Qiang Zhang 等6人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
针对电池电芯制造中激光模切卷绕设备的状态监测难题，提出基于Transformer的多尺度动态扩张注意力模型，实现传感器偏移轨迹预测与早期停机预警，将自注意力复杂度降至近O(L)，显著提升预测精度与部署适应性。
解读: 该技术可迁移应用于阳光电源储能系统（如PowerTitan、ST系列PCS）产线设备的智能运维与预测性维护，提升BMS产线测试设备及PCS老化试验平台的故障预警能力；建议在iSolarCloud平台中集成此类时序AI模型，拓展至储能变流器关键部件（如IGBT模块、冷却系统）的运行健康评估，强化全生命...
面向多场景泛化的多阶段动态规划在线调度方法：基于通用价值函数学习的配电网调度
Scenario-Generalized Multi-Stage Dynamic Programming for Online Dispatch of Distribution Networks via Universal Value Function Learning
Zhenning Pan · Yukun Deng · Tao Yu · Yufeng Wu 等7人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文提出场景泛化的多阶段动态规划（S-MSDP）方法，通过学习映射场景上下文到价值函数的通用模型，实现配电网在线调度的零样本适应能力，无需重训练即可应对分布外不确定性，提升调度最优性、泛化性与可扩展性。
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的实时协同调度具有重要价值。其通用价值函数框架可嵌入iSolarCloud的AI调度引擎，提升光储系统在负荷/新能源出力突变等未知场景下的自适应决策能力；建议在PowerTitan集群调度中集成S-MSDP算...