找到 3 条结果 · Applied Energy
基于注意力机制与并行预测架构的光伏发电功率预测框架
A photovoltaic power forecasting framework based on Attention mechanism and parallel prediction architecture
Zhengda Zhou · Yeming Dai · Mingming Leng · Applied Energy · 2025年1月 · Vol.391
摘要 光伏发电易受气象条件随机波动特性的影响，因此准确可靠地预测光伏发电功率具有重要意义。本文提出了一种新型混合预测框架（注意力机制-扩张因果卷积-双向长短期记忆网络-自回归模型，ADBA模型），用于超短期光伏发电功率预测。该框架结合了注意力机制、精心设计的并行预测架构，以及线性自回归（AR）组件和非线性扩张因果卷积-双向长短期记忆网络（DCC-BiLSTM）组件。首先，利用注意力机制根据输入变量的相对重要性分配权重，以优化多变量时间序列。其次，将优化后的数据分别输入并行架构中的线性和非线性组件...
解读: 该光伏功率预测框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。其Attention-DCC-BiLSTM-AR混合架构可集成至SG系列逆变器的预测性维护系统,通过注意力机制优化多元气象数据输入,并行处理线性与非线性特征,显著提升超短期功率预测精度。该技术可增强1500V系统的MPP...
一种基于多时间分辨率注意力机制的交互网络用于多种电池状态联合估计
A multi-time-resolution attention-based interaction network for co-estimation of multiple battery states
Ruixue Liu · Benben Jiang · Applied Energy · 2025年1月 · Vol.381
摘要 高效且可靠的电池管理系统依赖于对多个电池状态的精确联合估计，包括荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）。然而，由于这些状态在不同时间尺度上具有不同的时间分辨率以及复杂的相互作用，特别是在缺乏历史电池数据的情况下，该任务面临显著挑战。为应对这些挑战，本文提出了一种新颖的端到端多时间分辨率注意力机制交互网络（MuRAIN），用于多种电池状态的联合估计，该方法直接利用当前的充放电循环数据，无需历史数据。MuRAIN方法引入了一个多分辨率分块模块，能够从循环数据中智能提取具...
解读: 该多时间分辨率注意力交互网络技术对阳光电源ST系列储能变流器及PowerTitan储能系统的BMS优化具有重要价值。MuRAIN可实现SOC、SOH、RUL的高精度联合估计,无需历史数据即可基于当前循环数据运行,特别适合浅循环工况下的商业储能应用。该技术可集成至iSolarCloud平台,提升预测性...
多尺度协同建模与基于深度学习的风冷数据中心热预测：热管理的新视角
Multi-scale collaborative modeling and deep learning-based thermal prediction for air-cooled data centers: An innovative insight for thermal management
Ningbo Wang · Yanhua Guo · Congqi Huang · Bo Tian 等5人 · Applied Energy · 2025年1月 · Vol.377
摘要 研究数据中心（DC）的热环境及温度分布对于应对设备故障或环境变化等突发事件至关重要。然而，构建从数据中心机房级到芯片级的全尺寸仿真模型面临巨大挑战。本文提出一种独特的方法，将多尺度协同建模与深度学习技术相结合，用于风冷数据中心的热预测。通过将父模型的仿真结果作为子模型的边界条件，构建了数据中心多尺度仿真模型，显著降低了模型复杂度和计算资源消耗。利用实验数据，对不同尺度的模型分别进行了验证。研究了不同冷却策略、送风温度和送风流量对多尺度仿真模型的影响。基于参数化仿真方法，构建了用于训练数据驱...
解读: 该多尺度协同建模与深度学习热管理技术对阳光电源储能系统具有重要应用价值。ST系列PCS和PowerTitan等大型储能产品面临电池簇、模组到电芯的多层级热管理挑战,可借鉴其多尺度仿真方法降低建模复杂度。CNN-BiLSTM-Attention神经网络可集成至iSolarCloud平台,实现储能柜温度...