找到 2 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...
液态金属电池中外短路诱发内短路的机理
Mechanism of the External Short Circuit Induced Internal Short Cell in Liquid Metal Batteries
Yi Zhang · E. Zhang · Haomiao Li · Min Zhou 等5人 · IEEE Transactions on Industry Applications · 2025年2月
电池技术在大规模储能系统中至关重要，因其灵活性和高效率而备受重视。在众多电池选项中，液态金属电池（LMBs）凭借低成本、长寿命、高安全性和大容量等优势，在储能领域展现出了极具前景的应用潜力。外部短路（ESC）作为一种常见的滥用形式，有可能引发更为严重的内部短路（ISC）。然而，目前大多数关于液态金属电池的研究尚未深入探讨其潜在的触发机制。本文通过电极形态分析揭示了该触发机制，并通过多物理场模型模拟进行了验证。在外部短路过程中，不均匀的电流密度会导致锂的不规则沉积，最终会导致阳极和阴极接触，即发生...
解读: 该液态金属电池短路机理研究对阳光电源PowerTitan大型储能系统的安全设计具有重要参考价值。虽然阳光电源主流储能系统采用锂电池技术，但研究揭示的外短路诱发内短路的动态演化机制——局部过热导致电流分布失衡、界面扰动增长形成短路通道——对ST系列储能变流器的多层次保护策略设计具有启发意义。可应用于优...