找到 5 条结果 · IEEE Transactions on Industry Applications
可解释的物理深度学习模型用于架空输电线路覆冰厚度预测
Explainable Physical Deep-Learning Model for Overhead Transmission Line Icing-Thickness Prediction
Hui Hou · Yi Wan · Zhenguo Wang · Shaohua Wang 等6人 · IEEE Transactions on Industry Applications · 2025年7月
全球变暖导致极端天气事件频发，其中频繁发生的冰灾对电力系统的稳定性构成了重大威胁。随着预测模型复杂度的增加，必须同时确保其准确性和可解释性。因此，我们提出了一种用于架空输电线路覆冰厚度预测的可解释物理深度学习模型。首先，通过白鲸优化（BWO）方法构建了一个优化模型，该模型可使预测误差最小化。其次，将深度学习预测模型与物理模型和长短期记忆网络（LSTM）模型相结合。物理模型考虑了诸如风偏角、风荷载和冰荷载等物理定律。此外，我们使用沙普利加性解释法来阐释输入特征对输出特征及模型预测结果的影响。最后，...
解读: 该覆冰预测技术对阳光电源户外电力设备具有重要防护价值。针对ST系列储能变流器和PowerTitan大型储能系统的户外部署场景，可通过集成气象传感器与物理深度学习模型，实现设备覆冰风险的提前预警，触发主动加热或功率调节策略。对于SG系列光伏逆变器，该可解释AI方法可借鉴至iSolarCloud智能运维...
面向抵御FDIAs与通信中断的弹性广域阻尼控制的实时信息物理联合仿真
Real-Time Cyber-Physical Co-Simulation for Resilient Wide-Area Damping Control Against FDIAs and Communication Disruptions
Kundan Kumar · Priyesh Saini · Abhineet Prakash · Sanjoy K. Parida 等6人 · IEEE Transactions on Industry Applications · 2025年5月
将可再生能源（RESs）整合到现代电力系统中带来了诸多挑战，其中最紧迫的是需要一个能够精确复现这些复杂系统复杂动态的仿真平台。本文介绍了基于实时网络物理测试床硬件在环联合仿真（RTCPTC - HIL）方法的实施情况和结果，旨在评估所提出的含高压直流输电（HVDC）的广域阻尼控制器（WADC）在缓解大规模可再生能源接入电力系统区间振荡方面的有效性。该测试床集成了用于系统建模的OPAL - RT OP4510和用于控制器开发与测试的OP8665，并通过物理连接和TCP/IP实现实时通信。此外，广域...
解读: 从阳光电源的业务视角来看，这项研究对我们在新能源并网控制和系统稳定性领域具有重要参考价值。论文提出的实时信息物理联合仿真平台与广域阻尼控制器（WADC）技术，直接对应我们在大规模光伏电站并网、储能系统协调控制以及新能源电力系统解决方案中面临的核心挑战。 该技术的核心价值体现在三个层面：首先，针对可...
面向多方风电功率预测的隐私保护自适应联邦深度学习
Privacy-Preserving and Adaptive Federated Deep Learning for Multiparty Wind Power Forecasting
Yi Wang · Qinglai Guo · IEEE Transactions on Industry Applications · 2024年7月
先进的预测工具对于现代电力系统减轻可再生能源的不确定性至关重要。尽管数据驱动的方法在风电预测方面取得了显著进展，但数据可用性有限阻碍了其有效性。严格的数据监管规则和竞争利益使得相邻风电场无法整合数据集以学习更准确的预测模型。为应对这一挑战，我们提出了 SecFedAProx - LSTM，这是一种结合深度学习模型和隐私保护自适应联邦学习框架的新型风电预测方法。该方法动态调整局部优化目标，以在全局收敛性能和探索个体特征之间取得平衡，从而解决统计异质性问题。此外，它采用去中心化多客户端功能加密进行安...
解读: 从阳光电源的业务视角来看，本文提出的隐私保护自适应联邦学习风电预测方法具有重要的战略参考价值。虽然研究聚焦于风电场景，但其核心技术框架可直接迁移至光伏功率预测、储能系统优化及多能源协同管理等阳光电源的核心业务领域。 该技术的核心价值在于突破了数据孤岛困境。当前阳光电源在全球部署了大量光伏电站和储能...
考虑时空特征的自适应编解码模型用于分布式光伏电站短期功率预测
Adaptive Encoder-Decoder Model Considering Spatio-Temporal Features for Short-Term Power Prediction of Distributed Photovoltaic Station
Xun Dou · Yehang Deng · Shunjiang Wang · Tianfeng Chu 等6人 · IEEE Transactions on Industry Applications · 2024年1月
考虑到运维成本和技术的影响，分布式光伏电站群内部通常缺乏足够的气象观测设备。所采集气象数据的偏差以及软硬件限制导致的光伏功率数据误差，将直接导致模型预测精度降低。为解决这一问题，本文提出一种具有自适应时空编解码结构的分布式光伏功率短期预测方法，该方法能够适应不同数据输入和不同天气条件下的预测需求，提高预测精度。首先，利用随机森林算法（RF）和皮尔逊相关系数（PCC）对特征重要性进行排序，选取关键输入数据。其次，提出一种基于长短期记忆网络（LSTM）和时空注意力机制（STA）的时空特征编解码模型，...
解读: 从阳光电源的业务视角来看，这项基于自适应时空编解码器的分布式光伏短期功率预测技术具有显著的战略应用价值。 **业务协同价值：**该技术直击分布式光伏电站运维痛点——气象观测设备不足导致的预测精度下降问题。对于阳光电源的智慧能源管理系统而言，精准的功率预测是实现光储协同优化的基础。通过LSTM与时空...
面向直流微电网的PINN混合网络防御机制：抵御重放/虚假数据注入攻击的弹性可靠控制
Hybrid Cyber Defense Mechanism With PINN for Resilient and Reliable Control Against Replay/ FDI Attacks in DC Microgrid Systems
Venkata Siva Prasad Machina · Sriranga Suprabhath Koduru · Sreedhar Madichetty · Sukumar Mishra · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种融合双向LSTM自编码器、互相关分析与物理信息神经网络（PINN）的混合网络防御框架，用于检测并抑制直流微电网中的重放和虚假数据注入攻击，结合卡尔曼滤波器保障控制稳定性，已在MATLAB/Simulink及实验平台验证其95%以上检测精度与实时性。
解读: 该研究对阳光电源PowerTitan、PowerStack等储能系统在微电网场景下的网络安全防护具有直接参考价值，尤其适用于iSolarCloud平台接入的分布式光储系统。其轻量化PINN+Bi-LSTM算法可嵌入ST系列PCS本地控制器（如ST50K），增强边缘侧攻击识别与自主恢复能力；建议在新一...