找到 60 条结果 · Applied Energy
一种用于太阳能、风能及混合系统的时空决策模型——以沙特阿拉伯为例
A spatio-temporal decision-making model for solar, wind, and hybrid systems – A case study of Saudi Arabia
Mohamed R. Elkadeem · Ali Younes · Jakub Jurasz · Atif S.Al Zahrani 等5人 · Applied Energy · 2025年1月 · Vol.383
摘要 本文针对由电力需求增长、电价上涨、环境污染以及能源危机所推动的全球向可再生能源转型的问题展开研究。提出了一种新颖的时空决策模型（STDMM），用于评估 utility-scale 太阳能光伏（PV）、陆上风力涡轮机（WT）以及光伏/风电混合系统的发展潜力，并以沙特阿拉伯为案例进行分析。选址与能源互补性分析整合了ERA5高分辨率气象数据以及二十余项约束和评估准则，技术经济潜力则考虑了特定技术参数与基础设施成本。STDMM的结果表明，由于气候资源和基础设施条件优越，沙特北部地区具有较高的光伏开...
解读: 该时空决策模型对阳光电源中东市场布局具有重要参考价值。研究显示风电LCOE波动大(34.8-125美元/MWh)且光伏北部、风电东部资源分布差异明显,凸显储能系统刚需。阳光电源ST系列PCS和PowerTitan储能方案可有效平抑波动,解决弃电风险。针对混合电站场景,SG系列光伏逆变器结合ESS储能...
基于多物理量融合图自编码器网络的质子交换膜燃料电池非均匀反应预测
Prediction of non-uniform reactions in PEMFC based on the multi-physics quantity fusion graph auto-encoder network
Pulin Zhang · Diankai Qiu · Linfa Peng · Applied Energy · 2025年1月 · Vol.383
摘要 为了满足高功率输出的需求，大面积的质子交换膜燃料电池（PEMFCs）已成为研究的重点。然而，在实际应用中，燃料电池内部的非均匀反应难以避免，这会导致性能下降以及电堆寿命缩短。了解燃料电池内部物理量分布的变化规律，并准确预测其未来的内部状态，对于燃料电池的控制与维护至关重要。本文提出了一种多物理量融合图自编码器网络（MP-GAE），该模型是一种针对燃料电池性能及多物理场分布的瞬态预测模型，重点考虑了反应时间、空间位置以及多个物理场之间的耦合关系。基于图注意力机制和时序网络，构建了分段时序图注...
解读: 该PEMFC多物理场预测技术对阳光电源氢能业务具有重要借鉴价值。论文提出的MP-GAE时空预测模型可应用于我司燃料电池系统的智能运维:1)非均匀反应预测算法可集成至iSolarCloud平台,实现电堆性能衰减的预测性维护;2)多物理场耦合分析方法可优化燃料电池DC/DC变换器的动态响应控制策略;3)...
复杂风电场中风机来流风速的分析与预测：考虑气象因素及风电场时空特性
Analysis and prediction of incoming wind speed for turbines in complex wind farm: Accounting for meteorological factors and spatiotemporal characteristics of wind farm
Hongkun Lu · Xiaoxia Gao · Jinxiao Yu · Qiansheng Zhao 等8人 · Applied Energy · 2025年1月 · Vol.381
摘要 预测和计算风机轮毂前方的来流风速是风电功率预测研究中的关键环节。本文提出了一种考虑气象空间环境、风速时间特性以及地形和风机尾流效应的风电机组来流风速预测方法。首先，采用气象空间降尺度与时间特征提取方法对风气象桅杆（WMM）处的风速进行预测，建立大尺度气象背景与WMM风速之间的时空关联关系；其次，利用WMM预测风速，并结合从WMM到特定风电机组路径上的地形影响和尾流效应，计算该机组的来流风速；第三，利用激光雷达（LiDAR）在中国张家口张北某风电场的一台特定风电机组上对本文所提方法进行了验证...
解读: 该风速预测技术对阳光电源风电变流器及储能系统具有重要应用价值。通过融合气象降尺度、时空特征提取和尾流效应建模,可显著提升风功率预测精度(R²达0.9432)。该方法可集成至iSolarCloud平台,为风储耦合系统提供精准预测支持:1)优化ST系列储能PCS的充放电策略,提前响应风电波动;2)改进G...
通过配送车队的双向电动汽车充电实现空间套利
Spatial arbitrage through bidirectional electric vehicle charging with delivery fleets
Mostafa Mohammadian · Kyri Baker · Constance Crozier · Applied Energy · 2025年1月 · Vol.381
摘要 随着电动出租车和电动公交车等电动汽车（EV）在城市交通中的广泛应用，其采用率正在迅速上升。除了带来经济和环境效益外，这些车队还可利用其移动储能能力，参与能源套利市场。这为电动汽车所有者提供了机会，使其既能为更可持续、高效的能源系统做出贡献，又能降低运营成本。本研究提出了确定性及单阶段随机优化框架，旨在通过优化电动汽车车队在空间和时间维度上的电价背景下的充电、放电和行驶行为，以最大化收益。仿真基于需在特定日期向指定地点送货的电动配送卡车车队进行。研究结果表明，双向电动汽车充电作为移动电网资产...
解读: 该研究对阳光电源V2G双向充电桩及储能系统具有重要价值。通过移动储能套利策略,可优化ST系列PCS与充电站协同控制算法,结合iSolarCloud平台实现跨区域电价预测和车队能量管理。研究验证了双向充电作为移动电网资产的潜力,为阳光电源开发物流车队能源管理解决方案提供理论支撑,可集成GFM控制技术实...
波浪能农场中非线性动态响应的多保真度代理建模
Multi-fidelity surrogate modeling of nonlinear dynamic responses in wave energy farms
Charitini Stavropoulou · Eirini Katsidoniotaki · Nicolás Faedo · Malin Goteman · Applied Energy · 2025年1月 · Vol.380
摘要 在波浪能农场中，准确确定每个波浪能转换器的运动状态对于性能评估、能量产出估算以及实施有效的控制策略至关重要。主要挑战在于真实海洋环境中复杂的非线性水动力现象，使得精确预测每个转换器的运动变得困难。高保真数值模拟方法（如计算流体动力学）能够详细表征波浪农场对入射波的响应，但其计算成本高昂，难以适用于实时应用和多种工况的评估。相比之下，尽管在工业界广泛应用，基于线性势流理论的低保真模型却缺乏足够的精度，仅能提供大致的趋势性结果。实验波浪水槽测试虽能提供接近真实的高保真系统响应，但在灵活性和成本...
解读: 该多保真度代理建模技术对阳光电源储能系统具有重要借鉴价值。波浪能转换器的非线性动态响应预测问题,与储能电站中PowerTitan系统面临的复杂工况预测高度相似。文中采用LSTM机器学习融合高低保真度数据的方法,可应用于ST系列PCS的实时功率响应预测,解决高精度CFD仿真计算成本高、线性模型精度不足...
通过特征空间匹配分析解释基于时空相关性的LASSO回归模型用于风电功率预测
Interpreting LASSO regression model by feature space matching analysis for spatio-temporal correlation based wind power forecasting
Yongning Zhao · Yuan Zhao · Haohan Liao · Shiji Pan 等5人 · Applied Energy · 2025年1月 · Vol.380
摘要 解释高性能的风电功率预测（WPF）模型对于推动更可信和更精确的预测方法至关重要。当前的研究主要集中在解释黑箱深度学习模型，而忽视了能够直接指示特征重要性的自解释模型，尽管这些模型无法阐明其背后的成因机制。基于最小绝对收缩与选择算子（LASSO）的自解释回归模型在WPF中表现出色。因此，探索其内在决策逻辑及其系数的实际意义，以提取有益的领域知识，具有重要意义。本文提出了一种解释框架，旨在阐明考虑时空相关性的LASSO回归模型在WPF中的决策逻辑。该框架包含四个主要组成部分：首先，建立一个时空...
解读: 该LASSO回归模型解释框架对阳光电源储能系统(ST系列PCS、PowerTitan)和iSolarCloud平台具有重要应用价值。通过时空相关性量化和特征匹配分析,可优化风储协同预测精度,提升储能系统功率调度策略。特征扰动分析方法可应用于多场站协同控制,识别关键影响因素如特征共线性、参考场站空间分...
利用沿海上升流信息改进的海上风能时空预测
Improved spatio-temporal offshore wind forecasting with coastal upwelling information
Feng Ye · Travis Miles · Ahmed Aziz Ezzat · Applied Energy · 2025年1月 · Vol.380
准确的短期风速预测对于风能可靠运行及其并入电网至关重要。对于海上风电场而言，海洋环境带来的额外不确定性使得获取高质量预测变得更加复杂。一个典型的例子是沿海上升流这一物理现象，它是一种常见的海洋学过程：持续的沿岸风将较冷、更深的海水向上输送，从而影响垂直风廓线，并进一步影响海上风力涡轮机的发电输出。本文提出了一种时空风速预测模型，该模型利用从卫星影像中提取的上升流信息，以提高海上短期风速和功率预测的精度。该方法基于状态转换建模框架，能够学习海上风场在不同状态下的特有特征，包括相关的海上气象效应以及...
解读: 该海上风电时空预测技术对阳光电源储能系统具有重要价值。通过融合海洋上升流等环境因素,预测精度提升3.76%-27.53%,可显著优化ST系列储能变流器的充放电策略和PowerTitan系统的能量管理。该regime-switching建模思路可借鉴至iSolarCloud平台,结合GFM控制技术实现...
基于深度时空相关性挖掘的风电场群短期功率预测方法
Short-term power prediction method of wind farm cluster based on deep spatiotemporal correlation mining
Da Wang · Mao Yang · Wei Zhang · Chenglian Ma 等5人 · Applied Energy · 2025年1月 · Vol.380
摘要 本文提出了一种基于时空相关性挖掘的风电场群短期功率预测方法。首先，建立了一种考虑风速和风向的空间相关性量化指标。基于该指标，构建了包含虚拟节点的图结构以表征风电场之间的空间关联关系，其中虚拟节点为输入数据增添了额外的有效信息。随后，采用图注意力网络提取风电场群的空间特征，并构建双向循环残差网络以提取时间特征，同时引入多任务学习算法优化网络输出。最后，提出了一种针对虚假预测分量的评价指标，用于评估由正负误差累积所导致的预测偏差，为发电计划的制定提供了参考依据。利用中国21个风电场群的实际数据...
解读: 该风电集群时空关联预测技术对阳光电源储能系统具有重要应用价值。通过图注意力网络挖掘风电场空间关联和双向循环网络提取时序特征,可显著提升ST系列PCS的功率预测精度至89.69%,优化PowerTitan储能系统的充放电策略。虚拟节点增强的图结构建模方法可集成至iSolarCloud平台,实现风储协同...
基于移动热源支撑的电-热综合系统两阶段恢复供电方法
Two-stage service restoration of integrated electric and heating system with the support of mobile heat sources
Han Shi · Yunyun Xi · Kai Hou · Sheng Cai 等7人 · Applied Energy · 2025年1月 · Vol.379
摘要 移动热源（MHSs），包括车载式移动电锅炉（MEBs）和移动式热能存储装置（MTESs），是关键的灵活性资源。然而，目前这些移动热源在应对自然灾害的多能协同恢复供电（SR）中尚未得到充分利用。为提高恢复供电（SR）策略的灵活性与效率，本文提出一种由移动热源辅助的配电网层级电-热综合系统（IEHS）恢复供电方法。根据移动热源与电-热综合系统之间的交互行为，建立了包含能量转换以及时空能量转移特性的移动热源调度约束模型。考虑到移动热源响应速度较慢的特点，构建了一个包含预恢复供电（pre-SR）阶...
解读: 该移动热源辅助多能源恢复技术对阳光电源储能系统具有重要启示。文中移动储热装置(MTES)的时空能量转移调度策略,可借鉴至ST系列储能变流器和PowerTitan系统的移动式应急电源方案中。两阶段恢复模型结合随机规划的思路,适用于iSolarCloud平台的灾害预测与应急调度功能开发。移动电锅炉(ME...
意大利全境基于光伏并网制氢厂的氢气平准化成本最新研究视角
An up-to-date perspective of levelized cost of hydrogen for PV-based grid-connected power-to-hydrogen plants across all Italy
A.Ademoll · M.Calabres · Carlo Carcasci · Applied Energy · 2025年1月 · Vol.379
摘要 绿色氢能在能源部门脱碳方面具有巨大潜力，但高昂的生产成本仍是主要障碍。本研究对基于光伏的并网制氢厂进行了全面的技术-经济-金融-环境分析，目标是满足意大利全境具有持续氢气需求的难减排行业。利用真实小时级数据，采用自主开发的基于规则的多能系统模拟器（MESS），并结合遗传算法进行电站最优规模设计。研究旨在最小化氢气平准化成本（LCOH），同时满足绿色氢气激励政策的监管框架要求。关键结果表明，在供给侧灵活性方面，氢气储存比电池储能更具优势；最优光伏与电解槽容量比在意大利南部为1.8，在北部为2...
解读: 该研究对阳光电源光储制氢系统集成具有重要参考价值。研究表明光伏-电解槽最优配比为1.8-2.1,氢储能优于电池储能,这为SG系列逆变器与电解槽协同优化提供依据。研究中的多能源系统仿真器(MESS)与遗传算法优化思路,可融入iSolarCloud平台,实现光储氢一体化智能调度。时序关联性分析显示严格时...
基于共享储能的电能与备用协同DSO-VPP运行框架：一种混合博弈方法
Coordinated DSO-VPP operation framework with energy and reserve integrated from shared energy storage: A mixed game method
Mohan Lin · Jia Liu · Zao Tang · Yue Zhou 等7人 · Applied Energy · 2025年1月 · Vol.379
摘要 虚拟电厂（VPPs）通过整合分布式可再生资源、优化能源生产与消费模式以及促进电网动态管理，提升了配电系统的灵活性与经济性。然而，在多虚拟电厂协调运行时仍面临诸多挑战，包括复杂的时空相关特性以及多主体决策中的利益冲突。共享储能（SES）作为共享经济背景下的产物，能够更加灵活地协助VPP消纳分布式可再生能源发电。因此，针对VPP之间的互补性问题与利益冲突，并提升分布式可再生能源的利用率，本文提出了一种由配电网运营商（DSO）主导、多VPP与SES共同参与的电能-备用协同优化模型。首先，为DSO...
解读: 该DSO-VPP协调运行框架对阳光电源ST系列储能变流器和PowerTitan系统具有重要应用价值。论文提出的共享储能能量-备用联合优化模型,可指导我司储能系统在多VPP场景下的双层博弈控制策略开发。六种备用模式设计可深度挖掘ST-PCS的调频调峰潜力,结合iSolarCloud平台实现分布式光储资...
DEST-GNN：一种用于多站点小时内光伏功率预测的双探索时空图神经网络
DEST-GNN: A double-explored spatio-temporal graph neural network for multi-site intra-hour PV power forecasting
Yanru Yang · Yu Liu · Yihang Zhang · Shaolong Shu 等5人 · Applied Energy · 2025年1月 · Vol.378
准确的光伏发电（PV）功率预测对于电网实时平衡和储能系统优化至关重要。然而，由于光伏发电具有间歇性和波动性，实现高精度的光伏功率预测仍然是一项挑战。本文提出了一种用于多站点小时内光伏功率预测的新方法。与当前独立预测每个光伏电站功率的方法不同，我们通过考虑各光伏电站之间固有的时空相关性，同时预测所有站点的发电功率，并设计了一种新型图神经网络模型——DEST-GNN。在DEST-GNN中，采用无向图来表示这些光伏电站之间的依赖关系：每个光伏电站由一个节点表示，任意两个电站之间的时空相关性则由它们之间...
解读: 该多站点小时内光伏功率预测技术对阳光电源SG系列逆变器和ST储能系统具有重要应用价值。DEST-GNN通过时空图神经网络捕捉多电站关联性,可集成至iSolarCloud平台实现区域级功率预测,优化储能系统PowerTitan的充放电策略。其稀疏注意力机制可提升GFM/GFL控制算法的前瞻性调度能力,...
基于物理信息生成式深度学习的风力机分层动态尾流建模
Hierarchical dynamic wake modeling of wind turbine based on physics-informed generative deep learning
Qiulei Wang · Zilong Ti · Shanghui Yang · Kun Yang 等6人 · Applied Energy · 2025年1月 · Vol.378
摘要 随着电力需求的不断增长，风电场的规模远超以往。功率与载荷预测是风电场布局优化中最关键的两个课题。传统的尾流建模方法，如解析模型和计算流体动力学（CFD）模拟，在准确性和效率方面均难以有效应对如此大规模的问题。本研究提出了一种新颖的基于生成式深度学习的风力机分层动态尾流建模方法——PHOENIX（PHysics-infOrmed gEnerative deep learniNg for hIerarchical dynamic wake modeling eXploration），用于捕捉风...
解读: 该深度学习风电尾流建模技术对阳光电源风电变流器及储能系统具有重要价值。通过精准预测风机功率输出的时空特性,可优化ST系列储能PCS的充放电策略,提升风储协同效率。该物理信息神经网络方法可借鉴应用于iSolarCloud平台的预测性维护算法,结合GFM控制技术实现风电场群级功率平滑输出。动态尾流模型的...
考虑NWP风速误差容忍度的功率预测：一种在风速偏差场景下提升短期风电功率预测精度的策略
Power prediction considering NWP wind speed error tolerability: A strategy to improve the accuracy of short-term wind power prediction under wind speed offset scenarios
Mao Yang · Yunfeng Guo · Tao Huang · Wei Zhang · Applied Energy · 2025年1月 · Vol.377
摘要 短期风电功率预测对于风电参与日前调度具有重要意义。然而，不可避免的数值天气预报（NWP）误差给高精度风电功率预测带来了严峻挑战，尤其是在功率峰谷时段，极端误差尤为显著。针对这一问题，本文提出了一种考虑风速偏差场景及加权改进偏差损失函数（WIOLF）的短期风电功率预测精度提升策略。该方法引入多层级有向无环图结构以识别风速偏差场景，并采用带有梯度惩罚的Wasserstein生成对抗网络（WGAN-GP）解决样本不平衡问题。在功率预测部分，将WIOLF集成至时间卷积网络（TCN）与多头自注意力机...
解读: 该风电功率预测技术对阳光电源储能系统具有重要应用价值。针对NWP风速误差导致的功率预测偏差,可应用于ST系列PCS的智能调度策略优化。通过风速偏移场景识别与WGAN-GP样本平衡技术,能提升PowerTitan储能系统在风储联合调度中的日前计划准确性。TCN-MHSA组合模型的加权损失函数思路,可借...
非平稳GNNCrossformer：融合图信息的Transformer用于非平稳多变量时空风力发电预测
Non-stationary GNNCrossformer: Transformer with graph information for non-stationary multivariate Spatio-Temporal wind power data forecasting
Xinning Wuac1 · Haolin Zhanb1 · Jianming Hua · Ying Wangd · Applied Energy · 2025年1月 · Vol.377
摘要 风电功率的时空预测对于风电系统中多个风电场的并网运行具有重要意义。然而，由于多个风电场之间存在复杂的时空依赖关系，构建先进模型以在相互影响下实现精确的风电功率预测仍面临巨大挑战。此外，大多数现有模型在处理多变量且非平稳的风电场功率数据的长期预测时表现不理想。为解决上述问题，本文提出了一种新颖的基于Transformer的模型——非平稳GNNCrossformer，用于非平稳多变量时空预测。该模型采用非平稳两阶段注意力机制（Nonstationary-Two-Stage-Attention）...
解读: 该非平稳时空风电预测技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。通过图神经网络与Transformer融合的多风场功率预测模型,可优化储能系统的充放电策略制定和能量管理。其非平稳序列处理能力可提升iSolarCloud平台的预测性维护精度,增强风储耦合场景下的GFM/...
基于物理信息的积分神经网络用于溶剂法燃烧后CO2捕集过程的动态建模
Physics informed integral neural network for dynamic modelling of solvent-based post-combustion CO2 capture process
Peng Sh · Cheng Zheng · Xiao Wu · Jiong Shen · Applied Energy · 2025年1月 · Vol.377
摘要 溶剂法燃烧后碳捕集（PCC）是实现能源和工业领域大规模脱碳最有前景的技术。然而，该过程的复杂特性和高能耗阻碍了PCC在复杂电力市场中的高效灵活运行。PCC系统的成功运行优化高度依赖于对过程的动态建模，而采用先进的数据驱动方法已成为研究热点。目前广泛使用的数据驱动动态建模方法未将PCC过程的物理机理信息融入模型中，导致模型稳定性不足。物理信息神经网络（PINNs）通过融合数据与物理信息，提供了一种创新的建模方法。然而，其在PCC过程动态建模中的应用仍面临重大挑战。为此，本文基于带外生输入的非...
解读: 该物理信息神经网络(PIINN)动态建模技术对阳光电源储能系统具有重要应用价值。碳捕集系统的复杂非线性动态特性与PowerTitan储能系统在电力市场中的灵活调度需求高度相似。PIINN方法通过平衡点稳定性约束保证模型可靠性的思路,可借鉴应用于ST系列PCS的宽工况运行建模,提升GFM/GFL控制策...
考虑时空相关性的非交叉分位数集群风电概率预测
Non-crossing quantile probabilistic forecasting of cluster wind power considering spatio-temporal correlation
Yuejiang Chen · Jiangwen Xiao · Yanwu Wang · Yunfeng Luo · Applied Energy · 2025年1月 · Vol.377
摘要 概率预测在电力系统的安全、稳定与运行中起着重要作用。传统的非参数概率预测分位数回归方法存在分位数交叉问题，此外，当前用于风电场集群功率预测的神经网络方法往往忽略了相关风电场之间的时空相关性。为解决上述问题，本文提出了一种考虑时空相关性的集群功率预测模型（CFM）。该模型采用一种新型的空间模式注意力机制（SPA），结合卷积神经网络与注意力机制的优势，以有效提取空间信息；同时，采用改进的多步分位数循环神经网络（IMQ-RNN）和改进的非交叉分位数回归（INCQR）策略作为CFM的输出模块，以生...
解读: 该非交叉分位数概率预测技术对阳光电源储能系统具有重要应用价值。论文提出的时空关联集群功率预测模型可直接应用于ST系列PCS和PowerTitan储能系统的智能调度策略优化。通过改进的多时域分位数循环神经网络,能够提升iSolarCloud平台对分布式风光储集群的预测精度,解决传统分位数回归的交叉问题...
基于静止卫星数据的太阳能发电临近预报Transformer方法
Transformer approach to nowcasting solar energy using geostationary satellite data
Ruohan Li · Dongdong Wang · Zhihao Wang · Shunlin Liang 等7人 · Applied Energy · 2025年1月 · Vol.377
到达光伏面板的全球水平辐照度（GHI）在空间和时间上的不可预测性，给区域尺度上稳定且经济高效地将太阳能电力接入电网带来了挑战。因此，亟需一种及时且准确的大规模GHI临近预报方法，而现有大多数研究在此方面仍显不足。本研究提出了SolarFormer模型，该模型利用卫星数据并结合门控循环单元，实现近实时的GHI估算；同时引入时空Transformer模块，以15分钟为间隔提供最长3小时的预报，且在较长的预报时效内仍能保持较高的预报精度而不出现显著退化。SolarFormer仅需GOES-16与Him...
解读: 该SolarFormer卫星辐照度预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。3小时提前量、15分钟间隔的GHI精准预测可优化储能充放电策略,提升电网友好性。结合iSolarCloud平台可实现区域级光储协同调度,降低预测偏差导致的弃光率。其近实时特性可增强S...
考虑退化状态的高原风力发电机时变成本建模与维护策略优化
Time-varying cost modeling and maintenance strategy optimization of plateau wind turbines considering degradation states
Huakang Tanga · Honglei Wang · Chengjiang Lia · Applied Energy · 2025年1月 · Vol.377
摘要 高原风能发电在减少碳排放方面具有巨大潜力；然而，与其他可再生能源相比，其经济性仍需进一步提升。作为提高其经济可行性的有效途径，维护策略优化旨在降低单位千瓦时的维护成本并延长设备使用寿命。本文提出了一种考虑退化状态的高原风力发电机多目标维护决策优化模型。该模型包含以下三个方面：i）结合基于时间与基于状态的方法，对高原风力发电机的维护过程进行建模；ii）考虑复杂环境下随时间变化的维护成本；iii）采用多目标优化方法，寻找满足维护需求的最优策略。模型所考虑的复杂性主要包括：各设备状态运行持续时间...
解读: 该高原风电时变成本建模与维护优化技术对阳光电源风电变流器及智能运维平台具有重要借鉴价值。研究中的状态退化建模方法可应用于SG系列风电变流器的预测性维护,结合iSolarCloud平台实现设备全生命周期健康管理。多目标优化策略可降低24.07%维护成本并延长11.58%设备寿命,为阳光电源在高原等复杂...
MapVC：基于地图的深度学习用于电动汽车生态驾驶中的实时电流预测
MapVC: Map-based deep learning for real-time current prediction in eco-driving electric vehicles
Zhuoer Wanga1 · Xiaowen Zhub1 · Qingbo Wangc1 · Jian Zhoua 等7人 · Applied Energy · 2025年1月 · Vol.396
摘要 电源电池工作电流的预测对于保障电动汽车（EV）的工作性能至关重要。然而，复杂的真实世界生态驾驶场景——特别是再生制动系统（RBS）的频繁启用导致出现负电流值——给动力系统数据带来了强烈的随机性。为了克服传统数据驱动模型在捕捉此类复杂性方面的局限性，本文提出了MapVC框架。首先，引入一种基于地图的编码器，通过估计车辆运动状态来推断RBS的工作情况，显著增强了对复杂真实驾驶条件下数据的预测性能。此外，采用基于多头自注意力机制的解码器，以提取多尺度时间特征，实现对电池内部状态变化的全面建模。同...
解读: 该MapVC框架对阳光电源储能系统和充电桩产品具有重要应用价值。其基于地图的电流预测技术可直接应用于ST系列PCS和充电站的能量管理系统,通过预判制动回馈电流优化PowerTitan储能系统的充放电策略。多头注意力机制与双向GRU的组合为iSolarCloud平台的预测性维护提供了新思路,可提升电池...
第 3 / 3 页