找到 7 条结果 · IEEE Access
基于注意力驱动贝叶斯优化混合集成的济州岛可再生能源系统精准能源预测
Attention-Driven Hybrid Ensemble Approach With Bayesian Optimization for Accurate Energy Forecasting in Jeju Island's Renewable Energy System
Muhammad Ali Iqbal · Joon-Min Gil · Soo Kyun Kim · IEEE Access · 2025年1月
可再生能源并网带来能源需求和供给预测的迫切需求，波动的用户需求和高变异性能源给供需平衡带来挑战。本文提出注意力驱动贝叶斯优化混合集成框架ABHEF，在济州岛能源混合数据上验证。ABHEF集成ConvBiLSTM、ETCN、TFT和DAT等先进模型捕获短期波动和长期趋势。贝叶斯优化确定各模型最优超参数。CatBoost作为元模型表现最佳。对于小时供给预测，MAE和RMSE相比BiLSTM分别降低52%和50%；对于日供给预测，降低76%和77%。该框架为可再生能源系统能源管理和资源规划提供显著优势...
解读: 该能源预测技术对阳光电源智慧能源管理平台iSolarCloud有重要应用价值。阳光iSolarCloud管理海量光伏储能电站，需要精准的发电和负荷预测。ABHEF混合集成框架可集成到阳光预测系统中，结合天气数据和历史运行数据实现高精度多时间尺度预测。该技术可优化阳光储能系统充放电策略和新能源消纳，提...
基于卷积神经网络、小波神经网络与掩码多头注意力机制的全球辐照度预测模型
A Global Irradiance Prediction Model Using Convolutional Neural Networks, Wavelet Neural Networks, and Masked Multi-Head Attention Mechanism
Walid Mchara · Lazhar Manai · Mohamed Abdellatif Khalfa · Monia Raissi 等5人 · IEEE Access · 2025年1月
准确预测全球辐照度对光伏系统尤其是太阳能电动汽车的能量管理至关重要。传统模型难以捕捉辐照数据中复杂的时空依赖性，导致在多变天气条件下预测精度受限。本文提出一种融合卷积神经网络（CNN）、小波神经网络（WNN）与掩码多头注意力（MMHA）机制的新型混合框架CNN-WNN-MMHA。CNN提取局部空间特征，WNN进行频域分解以捕获多尺度变化，MMHA建模时间依赖并编码位置信息。模型在突尼斯八年实测气候数据上训练与验证，实验表明其性能显著优于LSTM、BiLSTM和CNN-LSTM等先进方法，MAPE...
解读: 该混合深度学习辐照度预测模型对阳光电源多条产品线具有重要应用价值。在SG系列光伏逆变器中，可优化MPPT算法的前瞻性控制，提前调整功率跟踪策略；在PowerTitan储能系统中，精准的辐照度预测可优化充放电调度策略，提升光储协同效率；在iSolarCloud智能运维平台中，该模型可增强预测性维护能力...
基于TCN-Transformer模型的多物理场变压器异常状态识别
Transformer Abnormal State Identification Based on TCN-Transformer Model in Multiphysics
Junjie Feng · Ruosong Shang · Ming Zhang · Guojun Jiang 等6人 · IEEE Access · 2025年1月
变压器是电力系统关键组件，其运行稳定性对确保电网安全可靠性起决定性作用。为应对实际运行中负荷和环境因素影响准确评估变压器健康的挑战，本文分析变压器的电气、热和振动特性。采用k-means++算法根据变压器负荷电流、环境温度和运行电压三个关键参数分类运行条件。提出基于时序卷积网络-Transformer（TCN-Transformer）的融合模型识别变压器异常运行状态。以500kV变压器为例进行实验。结果表明，所提TCN-Transformer模型在预测精度方面显著优于对比算法。模型有效捕获数据内...
解读: 该多物理场诊断技术对阳光电源储能变压器和箱变监测具有应用价值。阳光大型光伏电站和储能站配备大量箱式变压器，需要实时健康监测和异常预警。该研究的TCN-Transformer模型集成电气、热和振动多维数据，可应用于阳光箱变智能监控系统，实现异常状态早期识别。在储能电站中，变压器异常可能导致系统停机和经...
一种基于双流注意力机制的混合网络用于光伏发电预测
A Novel Dual-Stream Attention-Based Hybrid Network for Solar Power Forecasting
Rafiq Asghar · Michele Quercio · Lorenzo Sabino · Assia Mahrouch 等5人 · IEEE Access · 2025年1月
光伏发电功率预测对保障电网安全运行、降低运营成本具有重要意义。本文提出一种基于双向长短期记忆网络（BiLSTM）与卷积神经网络（CNN）的新型双流混合模型，通过并行提取时间与空间特征，并融合多头注意力机制强化关键特征选择。该模型在不同时间窗口、四季及天气条件下进行实验验证，并与三种单一模型和五种混合深度学习模型对比。结果表明，所提模型在多种气象、季节与气候条件下均具备优异的光伏功率预测精度。
解读: 该双流注意力混合预测模型对阳光电源iSolarCloud智能运维平台和ST系列储能系统具有重要应用价值。BiLSTM-CNN双流架构可集成至云平台的功率预测模块，通过多头注意力机制提升不同季节和天气条件下的预测精度，优化SG系列逆变器的MPPT算法动态响应。对PowerTitan大型储能系统，精准的...
融合ConvLSTM网络：使用时空特征增加居民负荷预测范围
Fusion ConvLSTM-Net: Using Spatiotemporal Features to Increase Residential Load Forecast Horizon
Abhishu Oza · Dhaval K. Patel · Bryan J. Ranger · IEEE Access · 2025年1月
电力系统正经历向可再生能源技术的重大转型。为充分利用这些能源，优化能源生成、存储和分配可通过未来能源消耗的准确预测增强。预测单个居民负荷在负荷平衡中发挥关键作用，但由于个人消费模式的不规则性质保持挑战。此外当前文献限于仅预测居民负荷到未来几小时。本文提出融合ConvLSTM网络，一种结合空间和时间特征的新型融合编码器-解码器架构，将负荷预测扩展到完整24小时周期。通过以下方式评估模型对比多个基准神经网络模型：1）测试1.5到24小时不同预测窗口大小，2）评估多户模型性能，3）通过聚合100户预测...
解读: 该居民负荷预测技术对阳光电源户用光伏储能系统具有重要应用价值。阳光户用储能系统需要精准的24小时负荷预测来优化光储协同控制策略，该融合ConvLSTM网络可显著提升预测精度和时间范围。阳光可将该技术集成到户用储能EMS系统，实现日前优化调度，提升光伏自发自用比例，降低用户电费，提高系统经济性，增强用...
高功率密度碳化硅MOSFET驱动器设计:集成有源米勒钳位的600kHz开关应用
Optimal Configuration of ESS in Distribution Network Considering Generation of PV-Load Time Series Scenarios
Xiaolong Xiao · Mingming Shi · Fan Wu · Yukai Wei 等6人 · IEEE Access · 2025年1月
碳化硅MOSFET高频开关特性对驱动电路提出严格要求,传统驱动方案在高频下存在米勒效应和寄生震荡问题。本文提出一种集成有源米勒钳位的高性能驱动电路,支持600kHz开关频率,有效抑制dv/dt干扰和栅极震荡。
解读: 该SiC驱动技术可应用于阳光电源ST系列储能变流器的功率模块驱动设计。通过有源米勒钳位技术提升SiC MOSFET的开关可靠性,支持更高的开关频率和功率密度,降低磁性元件体积,实现储能系统的高效率和紧凑设计。...
基于竞争深度Q网络的移动边缘计算部分卸载与资源分配深度强化学习
Deep Reinforcement Learning With Dueling DQN for Partial Computation Offloading
Ehzaz Mustafa · Junaid Shuja · Faisal Rehman · Abdallah Namoun 等6人 · IEEE Access · 2025年1月
计算卸载将IoT设备资源密集型任务转移到强大边缘服务器，最小化延迟并降低计算负载。深度强化学习广泛用于优化卸载决策，但现有研究存在两大不足：未全面优化状态空间，且Q学习和DQN在大动作空间中难以辨别最优动作。本文提出多分支竞争深度Q网络MBDDQN，解决高维状态-动作空间和动态环境长期成本优化挑战。竞争DQN缓解同步卸载和资源分配决策复杂性，每个分支独立控制决策变量子集，随IoT设备增加高效扩展，避免组合爆炸。实施LSTM网络和独特优势-价值层增强短期动作选择和长期成本估计，提升模型时序学习能力...
解读: 该多分支强化学习技术可应用于阳光电源储能系统的智能调度优化。阳光ST储能变流器在电网侧和工商业场景面临多目标优化挑战，需同时考虑能耗、响应延迟和功率分配。该MBDDQN算法的自适应权重机制可集成到阳光EMS能量管理系统，实现储能系统在削峰填谷、调频调峰和需求响应等多场景下的动态优化。结合阳光iSol...