找到 3 条结果 · 智能化与AI应用
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...
面向任务的参数解耦框架用于持续异常检测
A Task-Aware Parameter Decoupling Framework for Continual Anomaly Detection
Zhizhong Zhang · Guchu Zou · Chengwei Chen · Zhenyi Qi 等10人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
本文提出一种面向工业场景的持续异常检测框架，基于ViT重构架构，融合实例感知提示调优（IPT）和梯度感知参数解耦（GPD），缓解灾难性遗忘，提升多阶段缺陷模式识别能力，在MVTec等数据集上达到SOTA性能。
解读: 该持续异常检测技术可赋能阳光电源iSolarCloud智能运维平台及ST系列PCS、PowerTitan储能系统的设备级故障预测与自适应诊断。尤其适用于光伏电站组件热斑、PID、接线盒失效等新型缺陷的增量式识别，以及储能系统BMS与PCS协同运行中未知工况异常的在线演化建模。建议在组串式逆变器边缘侧...
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...