找到 2 条结果 · IEEE Transactions on Industry Applications
考虑多尺度储能需求的电氢储能系统优化配置：一种双层多步方法
Optimal Sizing of Electric-Hydrogen Energy Storage with Consideration of Multi-scale Energy Storage Requirements: A Two-layer Multi-step Approach
Zihan Sun · Jian Chen · Yang Chen · Wen Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年7月
与可再生能源集成的电氢耦合系统（EHCSs）在提供清洁能源方面具有显著优势，但在不同时间尺度上面临供需不平衡问题。本文提出了一种用于电氢储能的两层多步优化定容框架，以满足多尺度储能需求。第一步为优化定容层，通过遗传粒子群优化算法（GPSO）确定初始储能容量和聚类数量。第二步为运行层，在年度尺度上对长时储氢进行优化，以最小化不平衡风险并确定每日净氢能。将第二步得到的每日净氢能与原始可再生能源和负荷数据一起，采用基于优化的时间序列方法，并结合验证和补充技术，生成短时典型场景。最后一步是基于这些典型日...
解读: 该双层多步优化方法对阳光电源PowerTitan储能系统和光储一体化解决方案具有重要应用价值。研究提出的多尺度储能需求分析框架，可直接应用于ST系列储能变流器与电解制氢系统的容量配置优化，通过上层经济性优化与下层时序运行验证的迭代机制，能够精准匹配不同时间尺度的功率波动需求。该方法可集成到iSola...
内在与外在学习框架用于多设备初期故障检测与分类
Intrinsic and Extrinsic Learning Framework for Multi-Equipment Incipient Fault Detection and Classification
Lixian Shi · Yang Weng · Qiushi Cui · Xiaodong Zheng 等6人 · IEEE Transactions on Industry Applications · 2024年9月
早期故障（IFs）是电力设备故障的先兆。由于发生频率低，早期故障数据十分稀缺。早期故障数据的稀缺导致识别早期故障存在困难。传统方法缺乏学习早期故障数据丰富且有意义表征的能力，尤其是在早期故障数据有限的情况下。此外，一些将波形转换为图像的方法在捕捉时间关系和分析波形失真方面并无优势。为解决这些问题，本文开发了一个名为INTEL - IFD的智能框架。在数据处理过程中，提出了一种加权早期故障格拉姆矩阵表达方法，以获得增强了早期故障特征的加权格拉姆图像，用于进一步基于图像的智能识别。为应对故障数据有限...
解读: 该内在与外在学习框架对阳光电源的功率器件故障预测具有重要应用价值。可应用于ST系列储能变流器、SG系列光伏逆变器中的SiC功率模块故障预警,以及PowerTitan大型储能系统的预测性维护。通过挖掘有限故障样本的深层特征并引入外部知识,可提升iSolarCloud平台对功率器件初期故障的诊断准确率。...