找到 2 条结果 · Applied Energy
符合概率分布的物理约束风力发电预测方法：面向抗噪深度学习
Physics-constrained wind power forecasting aligned with probability distributions for noise-resilient deep learning
Jiaxin Gao · Yuanqi Cheng · Dongxiao Zhang · Yuntian Chen · Applied Energy · 2025年4月 · Vol.383
摘要 风电作为关键的可再生能源之一，在实现碳中和目标中发挥着重要作用。然而，由于风速预测数据具有高噪声特性，风力发电功率的准确预测面临挑战，这会降低预测的精度与鲁棒性。为解决这一问题，本文提出一种理论引导（即物理约束）的深度学习风力发电预测方法（TgDPF）。TgDPF将表征风电功率概率分布的风电功率曲线领域知识，与长短期记忆网络（LSTM）深度学习模型相结合。该融合机制确保模型输出与风电功率的概率分布保持一致，遵循物理约束条件，从而增强对噪声的抵抗能力。因此，TgDPF是一种典型的物理约束建模...
解读: 该物理约束深度学习风电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。通过融合风电功率曲线概率分布与LSTM模型,在高噪声环境下预测精度提升24.7%-73.9%,可显著优化储能系统的充放电策略与能量管理。该方法的抗噪声特性与物理约束思想可迁移至iSolarClo...
面向海上风电-海水制氢-海洋牧场一体化系统的鲁棒多准则决策框架与大语言模型融合研究
A robust MCDM framework with LLM for offshore wind power-seawater hydrogen production-marine ranch integrated system investment decision
Xiaoyu Yu · Xiwen Cui · Dongxiao Niu · Yuchen Diao 等5人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种融合大语言模型（LLM）的鲁棒多准则决策（MCDM）框架，用于评估海上风电耦合海水电解制氢及海洋牧场的一体化系统投资可行性，涵盖技术、经济、环境与社会多维指标。
解读: 该研究涉及海上风电制氢系统集成，与阳光电源ST系列储能变流器（PCS）、PowerTitan大型储能系统及iSolarCloud智能平台高度协同——ST PCS可适配电解槽动态功率调节，PowerTitan可支撑离网型制氢微网能量缓冲，iSolarCloud可扩展氢能场景数字孪生与投资决策支持模块。...