找到 2 条结果 · Applied Energy
基于随机森林可解释人工智能揭示储能与可再生能源在脱碳进程中的协同作用
Understanding the synergy of energy storage and renewables in decarbonization via random forest-based explainable AI
Zili Chen · Zhaoyuan Wu · Lanyi Wei · Linyan Yang 等6人 · Applied Energy · 2025年7月 · Vol.390
摘要 可再生能源（RE）与储能系统（ESS）的协调发展对于低碳转型至关重要。除了最优规划方案外，理解规划结果背后的深层原因对于提升决策透明度与可靠性同样关键。本研究探讨了在不同脱碳阶段中可再生能源与中长期储能（MTES）之间协同关系的演变过程，提出了一种可解释的分析框架，用于归因并分析影响规划结果的关键因素。通过采用随机森林（Random Forest, RF）方法，该框架识别出在不同边界条件下（如碳排放限额、资源禀赋和经济约束）驱动可再生能源—储能协同效应的核心因素，从而深入揭示时间与空间因素...
解读: 该研究对阳光电源储能规划具有重要指导意义。研究揭示长时储能(LDES>100h)在新能源富集区域的季节性平衡价值,与PowerTitan液流储能系统的应用场景高度契合;短时储能在火电主导区域应对日内波动的需求,可通过ST系列PCS的快速响应能力实现。随机森林可解释性框架可集成至iSolarCloud...
基于概率保障可行域方法提升电动汽车聚合商在不确定性下的电网平衡服务能力
Enhancing grid balancing services from electric vehicle aggregators under uncertainty: A probability-guaranteed feasible region approach
Anni Hu · Gengyin Li · Tiance Zhang · Ming Zhou 等5人 · Applied Energy · 预计 2026年5月 · Vol.410
本文提出一种概率保障可行域方法，提升电动汽车聚合商在负荷、可再生能源出力及市场信号多重不确定性下提供调峰调频等电网平衡服务的鲁棒性与可行性。
解读: 该研究对阳光电源ST系列PCS及PowerTitan储能系统参与车网互动（V2G）场景具有直接参考价值。EV聚合商与构网型储能协同可增强系统惯量支撑与快速调频能力，建议在iSolarCloud平台中集成此类概率优化算法，赋能光储充一体化电站参与辅助服务市场；同时可推动ST50K/ST100K等双向P...