找到 2 条结果 · Applied Energy
解锁建筑一体化光伏与电池
BIPVB）系统深度强化学习中的预测洞察力与可解释性
Yuan Gao · Zehuan Hu · Shun Yamat · Junichiro Otomo 等9人 · Applied Energy · 2025年1月 · Vol.384
摘要 可再生能源的部署以及智能能源管理策略的实施对于建筑能源系统（BES）的脱碳至关重要。尽管数据驱动的深度强化学习（DRL）在优化BES方面已取得近期进展，但仍存在显著挑战，例如缺乏针对时间序列数据观测空间的研究以及模型可解释性的不足。本文首次将未来预测信息引入DRL算法中，以构建时间序列数据的观测空间，并采用门控循环单元（GRU）和Transformer网络与DRL算法相结合，用于建筑一体化光伏与电池（BIPVB）系统的运行控制。此外，通过将前沿的Shapley加性解释（SHAP）技术与所开...
解读: 该深度强化学习优化技术对阳光电源光储一体化系统具有重要应用价值。研究中的GRU/Transformer时序预测与DRL决策框架可直接应用于ST系列储能变流器的智能调度策略,结合电价预测信息实现成本降低10%以上。SHAP可解释性分析方法可增强iSolarCloud平台的AI决策透明度,为PowerT...
基于混合深度学习的屋顶光伏供给与农宅负荷不匹配分析：数据降维与可解释负荷模式挖掘
Mismatch analysis of rooftop photovoltaics supply and farmhouse load: Data dimensionality reduction and explicable load pattern mining via hybrid deep learning
Ding Gao · Yuan Zhi · Xing Rong · Xudong Yang · Applied Energy · 2025年1月 · Vol.377
摘要 建立以屋顶光伏（PV）为基础的新型电力系统有助于推动中国农村地区的能源转型。光伏供给与农村家庭用电需求之间不匹配的研究，对光伏微电网系统的广泛推广至关重要。目前，农村地区典型负荷模式（TLPs）缺乏准确的特征刻画方法，且现有的不匹配评估方法未充分考虑光伏弃电问题。因此，本研究提出一种基于混合深度学习的分析框架，用于量化全天时段内光伏发电与典型负荷模式之间的短期不匹配程度，并将其应用于真实农村地区数据集。本研究采用变分自编码器（VAE）模型对高分辨率负荷数据进行降维与特征提取，并与传统方法进...
解读: 该研究对阳光电源户用光伏微电网解决方案具有重要价值。VAE深度学习模型可集成至iSolarCloud平台,实现农村负荷模式精准识别与PV出力失配预测。研究揭示的三类典型负荷曲线可优化SG系列逆变器的MPPT策略,结合ST系列储能PCS动态调节充放电功率,降低弃光率。基尼系数量化方法为PowerTit...