找到 16 条结果 · IEEE Transactions on Industry Applications
基于动态图网络与形状-幅值准则的分布式光伏超短期功率确定性与概率预测
A Distributed PV Ultra-short-term Power Deterministic and Probabilistic Forecasting Based on Dynamic Graph Network with Shape-amplitude Criteria
Yuqing Wang · Zhen Zhao · Fei Wang · Shumin Sun 等6人 · IEEE Transactions on Industry Applications · 2025年9月
准确预测分布式光伏发电功率对于确保有源配电网的安全稳定至关重要。然而，目前大多数关于分布式光伏发电功率预测的研究存在一定局限性，主要包括：1）对各发电站点之间动态相关性的考虑不足；2）缺乏能够同时使预测值的幅值和形状与真实值相匹配的训练损失函数。因此，本文提出一种基于形状 - 幅值损失函数的动态图网络分布式光伏超短期功率预测方法。首先，采用数据驱动的方法挖掘动态相关性，并生成动态图数据，以确保对分布式光伏之间的相关性进行有效表征。其次，构建动态图网络作为功率预测模型，以实现对时空相关特征的有效利...
解读: 该动态图网络预测技术对阳光电源iSolarCloud智能运维平台及SG系列逆变器群控系统具有重要应用价值。其形状-幅值准则可优化分布式光伏电站的功率预测精度，直接提升主动配电网调度能力。可应用于：1）iSolarCloud平台的超短期功率预测模块，通过挖掘多站点时空关联提升预测准确性；2）SG逆变器...
基于自适应特征提取与时间迁移建模的分布式光伏超短期功率预测
Ultra-Short Term Power Forecasting for Distributed PV Based on Adaptive Feature Extraction and Temporal Transfer Modeling
Boyu Liu · Yuqing Wang · Fei Wang · Ziqi Liu 等6人 · IEEE Transactions on Industry Applications · 2025年8月
准确的分布式光伏发电功率预测对于优化电网运行、提高经济效益以及促进新能源融合至关重要。然而，现有的分布式光伏发电功率预测方法面临着若干挑战：1）卫星云图可为缺乏专业气象测量的分布式光伏提供数据支持，但云图特征建模方法往往会忽略重要特征；2）季节变化和多变的气候条件会导致光伏输出特性在时间分布上产生变化，当数据分布发生变化时，训练好的预测模型表现不佳，导致泛化能力不足。为解决这些问题，本文提出了一种基于自适应特征提取和时间迁移建模的分布式光伏区域超短期功率预测方法。该方法将卷积神经网络的空间特征捕...
解读: 该自适应特征提取与时间迁移建模技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。超短期功率预测可直接集成至云平台的智能诊断模块，通过自适应机制实时提取气象数据与历史出力特征，结合时间迁移学习捕捉不同天气模式下的功率波动规律，为分布式光伏电站提供15分钟至4小时级精...
电力电子设备存在下低压配电系统中电弧/火花放电现象的表征
Characterization of Arc/Spark Discharge Phenomena in Low Voltage Distribution Systems in the Presence of Power Electronic Devices
Ratnakar Nutenki · Aurobinda Routray · Ashok Kumar Pradhan · IEEE Transactions on Industry Applications · 2025年8月
现代电力负载日益复杂，对传统的电弧故障检测方法构成了挑战，这需要采用复杂的方法来进行可靠识别。本研究探讨了低压配电系统中的电弧/火花放电行为，尤其关注嵌入了电力电子元件的现代家用电器对其产生的影响。通过实验观察并结合电压 - 电流滞后和能量平衡等物理原理，建立了电弧/火花放电的非线性等效电路模型。该模型纳入了动态参数，如电弧时间常数和碳桥电阻，以分析它们对放电特性的影响。为了分析实际负载条件下的电弧放电行为，对包括变阻器、搅拌机、笔记本电脑、微波炉和吸尘器等具有代表性的电器进行了大量实验室实验。...
解读: 该电弧故障检测技术对阳光电源多条产品线具有重要应用价值。在ST储能系统中，电力电子变流器的高频开关特性易与故障电弧混淆，研究揭示的电弧高频特征与波形畸变规律可优化PowerTitan系统的直流侧电弧检测算法，降低误报率。在SG光伏逆变器中，可改进直流拉弧保护功能，提升1500V高压系统安全性。在新能...
基于物理学习的针对可再生能源供电不确定电力系统的隐蔽虚假数据攻击
Physics Learning Based Stealthy False Data Attack Against Renewable Fed Uncertain Power System
Jagendra Kumar Narang · Baidyanath Bag · IEEE Transactions on Industry Applications · 2025年8月
尽管现有无模型虚假数据攻击（MFFDA）方法成功率较高，但在大规模可再生能源接入的电力系统中，其针对状态估计（SE）的性能存疑。这些方法缺乏稀疏性，且未考虑发电机和零注入母线情况，容易被控制中心检测到。可再生能源带来的不确定性增加，进一步提高了被检测的风险。本文评估了状态估计在先进无模型虚假数据攻击下的安全性。我们提出了一种结合物理模型与深度学习的自编码器 - 生成对抗网络（AE - GAN）框架，用于捕捉测量数据的内在变异性并生成攻击数据。基于自编码器的代理状态估计模型考虑了不确定测量数据的时...
解读: 该研究揭示的虚假数据攻击机制对阳光电源储能及光伏系统的网络安全防护具有重要警示价值。针对ST系列储能变流器和PowerTitan大型储能系统，需在iSolarCloud云平台中强化状态估计数据的物理一致性校验，建立基于功率平衡、电压约束的多维度异常检测机制。对于SG系列光伏逆变器的1500V系统，应...
考虑时空负荷调节的可持续互联网数据中心灵活储能系统与可再生能源规划
Flexible Energy Storage System and Renewable Energy Planning for Sustainable Internet Data Center Considering Temporal and Spatial Load Regulation
Tong Wan · Jing Qiu · Yuechuan Tao · Shuying Lai 等5人 · IEEE Transactions on Industry Applications · 2025年5月
鉴于人们对环境问题的担忧与日俱增，可持续发展理念已深入人心。随着互联网数据中心（IDC）的计算负载持续增加，它们已成为电力行业的一种新型用电负荷。然而，如果数据中心依靠主要由化石燃料供电的电网运行，尤其是当能源来自热力发电机时，它们会间接导致碳排放。本文提出了一种将电池储能系统（BESS）与可再生能源规划相结合的方法，重点进行时空负荷调整，以减少数据中心的碳排放，推动其实现绿色计算。我们引入了碳强度演变公式和改进的碳排放流（CEF）方法，以衡量和监测数据中心的间接碳排放。为应对可再生能源接入所固...
解读: 该研究的时空负荷调节与储能-可再生能源协同规划技术对阳光电源PowerTitan大型储能系统和iSolarCloud云平台具有重要应用价值。数据中心场景的灵活储能配置方法可直接应用于ST系列储能变流器的容量优化设计，通过时间维度的削峰填谷和空间维度的多站点协同调度，提升储能系统经济性。该研究提出的可...
一种多阶段DRO-SDDP方法用于高渗透率可再生能源电力系统中多类型储能与柔性资源规划
A Multi Stage DRO-SDDP Approach for Planning Multi-Type Energy Storage Systems and Flexible Resources in High-Penetration Renewable Power Systems
Jianzhou Feng · Zechun Hu · Xiaoyu Duan · Shaorong Cai 等5人 · IEEE Transactions on Industry Applications · 2025年3月
随着可再生能源（RE）广泛接入电力系统，其固有的波动性给电力和能量的时空平衡带来了巨大挑战。负荷侧柔性资源（FRs）与电池储能系统（ESSs）能够为日内发电与负荷需求的平衡做出重要贡献。另一方面，抽水蓄能、氢储能、压缩空气储能等具有较长放电时长的储能系统能够平衡日间甚至月间的电力供需。为在规划阶段考虑多种柔性资源和储能系统的互补特性，本文首先构建了联合规划模型。考虑到在周期性决策过程后，不确定信息会逐步显现，该规划模型被表述为一个多阶段随机规划问题（MSSP），即决策仅依据当前阶段可获取的信息依...
解读: 该多阶段DRO-SDDP规划方法对阳光电源PowerTitan储能系统和ST系列储能变流器的容量配置优化具有重要应用价值。通过分布鲁棒优化处理可再生能源不确定性，可指导阳光电源在大型储能项目中实现多类型储能（电化学+飞轮）的协同配置，优化功率型与能量型储能比例。该方法的多阶段决策框架可集成至iSol...
基于新型CNN集成与可解释人工智能的配电网虚假数据注入攻击检测与定位框架
False Data Injection Attack Detection and Localization Framework in Power Distribution Systems Using a Novel Ensemble of CNNs and Explainable Artificial Intelligence
Mohammad Reza Dehbozorgi · Mohammad Rastegar · Mohammadreza Fakhari Moghaddam Arani · IEEE Transactions on Industry Applications · 2025年1月
信息物理电力系统易受网络攻击，尤其是虚假数据注入攻击（FDIA）。近年来，针对配电系统状态估计（DSSE）的虚假数据注入攻击受到了研究人员的关注，此类攻击通过更改电表读数来改变状态估计（SE）。文献中常见的针对虚假数据注入攻击的防御方法是使用标记数据训练分类器作为虚假数据注入攻击检测器。然而，虚假数据注入攻击数据集的高度不平衡特性可能会限制这种方法的性能。机器学习模型的黑盒特性使其在重要应用中难以获得信任和采用。因此，我们提出了一种创新的可解释人工智能（XAI）增强的基于集成学习的检测与定位模型...
解读: 从阳光电源的业务视角来看，该论文提出的虚假数据注入攻击（FDIA）检测框架具有重要的战略意义。随着公司在分布式光伏、储能系统及综合能源解决方案领域的快速拓展，我们的产品正日益深度融入配电网的信息物理系统中，这使得网络安全防护成为保障系统可靠运行的关键要素。 该技术的核心价值在于为我们的智能逆变器和...
一种面向时空城市轨道交通的混合储能系统容量优化与能量管理多任务强化学习方法
A Multi-Task Reinforcement Learning Approach for Optimal Sizing and Energy Management of Hybrid Electric Storage Systems Under Spatio-Temporal Urban Rail Traffic
Guannan Li · Siu Wing Or · IEEE Transactions on Industry Applications · 2025年1月
客流波动和延误导致的交通管制给城市轨道交通牵引网络中混合储能系统（HESS）的高效再生制动能量利用带来了巨大挑战。本文提出了一种基于多任务强化学习（MTRL）的协同HESS容量配置与能量管理优化框架，以提高动态时空城市轨道交通下HESS的经济运行水平。将不同时空牵引负荷分布下特定配置的HESS控制问题表述为多任务马尔可夫决策过程（MTMDP），并设计了一种考虑日常运营模式的迭代容量优化方法，以最小化HESS的生命周期成本（LCC）。然后，开发了一个由基于Copula的客流生成方法和结合牵引能耗 ...
解读: 该多任务强化学习框架对阳光电源轨道交通储能解决方案具有重要应用价值。可直接应用于ST系列储能变流器的容量配置优化和PowerTitan储能系统的实时能量管理策略，通过协同优化提升再生制动能量回收效率。该方法处理时空负荷波动的能力可启发iSolarCloud云平台增强预测性维护功能，将强化学习算法集成...
基于物理信息图神经网络的不平衡配电系统协同动态重构与电压调节
Physics-Informed Graph Neural Networks for Collaborative Dynamic Reconfiguration and Voltage Regulation in Unbalanced Distribution Systems
Jingtao Qin · Rui Yang · Nanpeng Yu · IEEE Transactions on Industry Applications · 2025年1月
长期以来，网络重构一直被用作一种战略手段，以最小化配电系统损耗并有效调节电压水平。有载调压变压器对于控制母线电压也至关重要，特别是在应对具有间歇性输出的分布式能源资源（DER）日益增加的接入时。本文提出了新的方法，以应对不平衡三相配电系统中的动态重构和最优分接头设置挑战。我们提出了一个近似的混合整数二次约束规划（MIQCP）来对动态重构进行建模，并基于第一类特殊有序集（SOS1）首次提出了电压调节器（VR）分接头设置的公式。为了降低计算复杂度，我们提出了一种结合链路分类器的基于物理信息的时空图卷...
解读: 该物理信息图神经网络技术对阳光电源配电侧产品具有重要应用价值。在ST储能系统中，可实现多台储能变流器协同优化拓扑与电压调控，应对三相不平衡场景下的快速功率响应；在光储充一体化微网方案中，结合SG逆变器与充电桩的分布式接入，通过动态重构算法优化潮流分布，降低网损并改善电压质量。该方法融合物理约束的深度...
基于机器学习的光伏逆变器可靠性评估及其告警-环境变异性的考虑
Machine Learning-Driven Reliability Estimation of PV Inverters Considering Alert-Ambient Variability
Sukanta Roy · Alexander Stevenson · Shahid Tufail · Hugo Riggs 等6人 · IEEE Transactions on Industry Applications · 2024年12月
摘要：天气引发的时空劣化限制了户外光伏逆变器的使用寿命和可靠性，因此需要进行先进的数据分析。本研究采用自上而下、数据驱动的方法，利用多种机器学习（ML）算法来评估一座1.4兆瓦光伏电站中逆变器的可靠性，同时考虑了辐照度、湿度、温度、一天中的时间以及天气状况等因素。来自17台相同逆变器的大量警报数据集，包括警报类型、传播情况和发生频率，揭示了其与环境因素和逆变器输出功率之间的显著相关性，从而能够构建性能可靠性模型。对双阶段监督式机器学习模型的准确性进行了评估，其中人工神经网络（ANN）的“分类 -...
解读: 该机器学习驱动的可靠性评估技术对阳光电源SG系列光伏逆变器及ST储能变流器产品线具有重要应用价值。研究提出的告警-环境变异性分析框架可直接集成至iSolarCloud智能运维平台，通过融合温湿度、辐照度等多源环境参数与现场告警数据，实现对户外逆变器的精准寿命预测与预测性维护。该方法可优化阳光电源现有...
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。...
储能所有权与市场行为互动关系的数据驱动分析
Data-Driven Analysis of the Interaction Between Storage Ownership and Market Behavior
Zhaoyuan Wu · Zili Chen · Yi Ren · Lin Chen 等6人 · IEEE Transactions on Industry Applications · 2024年9月
随着市场自由化的推进，作为能源转型关键技术的储能，其投资主体呈现出多元化态势。然而，在自由化市场中，一个尚未得到有效解决的重要问题是如何评估储能的市场势力，尤其是考虑到所有权的多样性时。本文引入了一个数据驱动的分析框架，以研究储能所有权与市场行为之间的相互作用。本文建立了一个基于主体的双层模型，该模型能够有效捕捉储能的策略性市场行为与系统运行之间的动态关系。为提高模型的可扩展性，本文设计了一种基于随机森林的相关性分析算法，阐明了不同市场边界条件与储能市场行为之间的关系。案例研究结果表明，储能通过...
解读: 从阳光电源的业务视角来看，这篇论文揭示了电力市场化进程中储能资产的市场行为规律，对公司储能系统业务的战略布局具有重要参考价值。 论文通过数据驱动的双层博弈模型，量化分析了储能所有权结构对市场行为的影响机制。研究发现储能可通过制造"灵活性稀缺"获得超过16%的超额收益，而与灵活性机组协同运营时这一收...
基于能量函数的非线性时空动力学稳定与控制方法在逆变器型网络化微网中的应用
A Nonlinear Spatio-Temporal Dynamical Stabilization and Control for Inverter Based Networked Microgrids: Energy Function Based Approach
Rajdip Debnath · Gauri Shanker Gupta · Deepak Kumar · Subrat Kumar Swain 等5人 · IEEE Transactions on Industry Applications · 2024年7月
分布式能源资源接入现代化联网微电网以及负荷动态变化的增加带来了显著的稳定性挑战。本研究旨在全面理解由跟网型和构网型逆变器组成的非线性多时间尺度系统中级联交互的稳定性。此外，所提出的控制器借助非线性李雅普诺夫函数，提供了一种改进且具有弹性的方法，以应对与非线性设备和线路/网络动态、状态变量的不确定性以及未建模系统动态相关的挑战。通过约束时间状态收敛到稳定平衡点，闭环控制系统的渐近时空动态稳定性得以保证，同时将控制振荡降至最低。对比分析和高保真硬件在环仿真相结合，有力证明了在各种动态场景下，所提出的...
解读: 该非线性时空动力学控制方法对阳光电源的储能变流器和光伏逆变器产品具有重要应用价值。通过能量函数建模的稳定性分析方法,可优化ST系列储能变流器和SG系列光伏逆变器的GFM/GFL控制策略,提升多机并联运行时的功率分配性能和暂态响应特性。特别是在PowerTitan大型储能系统中,该方法有助于解决多逆变...
一种考虑极端降雨时空特性的混合数据与知识驱动的分布式光伏系统风险预测方法
A Hybrid Data and Knowledge Driven Risk Prediction Method for Distributed Photovoltaic Systems Considering Spatio-Temporal Characteristics of Extreme Rainfalls
Yuxuan Wang · Bin Zhou · Cong Zhang · Siu Wing Or 等6人 · IEEE Transactions on Industry Applications · 2024年7月
本文提出一种结合基于知识与数据驱动的电气安全风险（ESR）预测方法，该方法考虑了极端降雨的时空特征，旨在识别因内涝导致高停机风险的分布式光伏系统（DPVS）。首先，建立了分布式光伏系统内涝的二维水动力偏微分模型，以推导极端降雨在时空异质性条件下淹没深度的动态分布。开发了一种基于快速图像分割的风险分区算法，以提取暴雨及内涝的非均匀空间分布和时间波动性，从而将分布式光伏系统划分为具有不同电气安全风险程度的多个区域。然后，从数学角度提出了一种基于知识的、考虑淹没深度和寄生电容的泄漏电流分析方法，以揭示...
解读: 从阳光电源的业务视角来看，这项针对分布式光伏系统极端降雨风险预测的研究具有重要的工程应用价值。当前我国分布式光伏装机规模快速增长，但极端天气导致的系统停机和电气安全事故已成为影响发电效率和资产安全的关键因素。该研究提出的知识与数据混合驱动方法，通过二维流体动力学模型模拟积水深度的时空演化，并结合漏电...
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...
基于时序卷积网络的电容电压预测与降低开关频率的MMC电压平衡控制
Temporal Convolutional Network-Based Capacitor Voltage Prediction With Reduced Switching Frequency for Voltage Balancing in MMC
Jyoti Ranjan Dash · Prasanta Kumar Mohanty · Pramod Agarwal · Premalata Jena 等5人 · IEEE Transactions on Industry Applications · 2025年4月
模块化多电平变换器（MMC）因其模块化、可扩展性和容错性，在高、中功率应用中得到了广泛应用。子模块（SM）电容电压的准确估计和控制对于确保电压平衡至关重要，但直接测量会增加复杂度和成本，而高开关频率会导致过多的损耗。本文提出了一种两阶段方法：首先，基于多层时间卷积网络（TCN）的模型预测子模块电容电压，无需直接测量；其次，一种电压平衡策略利用预测的电压来最小化开关频率。脉宽调制（PWM）以载波频率而非采样频率运行，减少了不必要的开关事件，降低了损耗。仿真和硬件实验在各种场景下验证了该方法的有效性...
解读: 从阳光电源的业务视角来看，这项基于时序卷积网络（TCN）的模块化多电平换流器（MMC）电容电压预测技术具有重要的战略价值。MMC拓扑结构在我司大功率光伏逆变器、储能变流器（PCS）以及中压传动系统中已有广泛应用，该技术针对子模块电容电压平衡这一核心痛点提供了创新解决方案。 技术价值方面，该方法通过...