找到 4 条结果 · IEEE Transactions on Power Systems
基于矩阵补全的部分可观测条件下配电网络拓扑与参数学习
Learning to Learn Topology and Parameters of Distribution Grid with Matrix Completion under Partial Observability
Garima Prashal · Parasuraman Sumathi · Narayana Prasad Padhy · IEEE Transactions on Power Systems · 2025年5月
针对量测受限导致的配电网拓扑与参数信息不完整问题，提出一种融合图卷积网络与物理约束的拓扑增强型模型（TE-GCN）。通过引入节点间物理连接关系并嵌入潮流方程作为节点特征，提升模型可解释性与物理一致性。对于无电压量测的隐藏节点，采用神经网络结合潮流约束补全电压矩阵，并利用GCN估计拓扑结构。该方法将原始-对偶分裂算法展开为神经网络，以变分自编码器替代拓扑投影，优化网络结构学习。在四个含真实负荷数据的IEEE标准系统上的实验验证了其有效性。
解读: 该配电网拓扑与参数学习技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。在分布式光伏与储能大规模接入场景下，配电网拓扑信息往往不完整且动态变化，该研究提出的TE-GCN模型可基于有限量测数据重构网络拓扑并估计线路参数，为ST系列储能变流器的并网控制策略优...
基于有限网络与监测数据的中低压规则化电动汽车充电控制
MV-LV Rule-Based Control of EV Charging Using Limited Network and Monitoring Data
Jing Zhu · Arthur Gonçalves Givisiez · Michael Z. Liu · William J. Nacmanson 等5人 · IEEE Transactions on Power Systems · 2025年3月
电动汽车的大规模接入将加剧中压（MV）和低压（LV）配电网的峰值负荷，影响设备安全与用户电压质量。实时调控电动汽车充电是替代昂贵扩容的有效方案，但多数研究依赖详细的网络模型与实时智能电表数据，实际应用受限。本文提出一种适用于不平衡、大规模MV-LV网络的分层规则化充电控制方法，仅利用设备关联关系及来自变压器与充电点的有限监测数据，即可在全网范围内合理设定电动汽车充电功率，有效应对高渗透率场景。基于澳大利亚真实网络（含3300余户）的仿真表明，在高电动汽车与光伏渗透下，该方法可像线性化交流最优潮流...
解读: 该分层规则化充电控制技术对阳光电源新能源汽车业务线具有重要应用价值。研究提出的基于有限监测数据的充电控制方法，可直接应用于阳光电源交直流充电桩产品，通过变压器与充电点的简化数据即可实现动态功率调节，无需昂贵的全网智能电表部署。该技术与阳光电源iSolarCloud云平台结合，可构建轻量级充电管理系统...
基于时空知识蒸馏的居民用户电力负荷预测
Electric Load Forecasting for Individual Households via Spatial-Temporal Knowledge Distillation
Weixuan Lin · Di Wu · Michael Jenkin · IEEE Transactions on Power Systems · 2024年4月
随着电网安全运行和家庭能源管理系统的发展，居民用户的短期负荷预测（STLF）日益重要。尽管机器学习在住宅STLF中表现有效，但本地设备的数据与资源限制制约了个体用户预测的精度。相比之下，电力公司拥有更丰富的数据和更强的计算能力，可部署基于图神经网络（GNN）等复杂模型，挖掘用户间的时空关联以提升预测性能。本文提出一种高效且保护隐私的知识蒸馏框架，通过将基于公用数据预训练的GNN模型中的时空知识迁移至轻量级个体模型，在不访问其他用户数据的前提下提升个体预测精度。在真实住宅负荷数据集上的实验验证了该...
解读: 该时空知识蒸馏负荷预测技术对阳光电源户用储能系统（如ST系列）和iSolarCloud平台具有重要应用价值。可将云端基于海量用户数据训练的GNN预测模型压缩至本地ESS控制器，在保护用户隐私前提下实现高精度负荷预测，优化储能充放电策略和光储协同控制。该轻量化模型可嵌入户用逆变器DSP/ARM芯片，降...
基于雾计算的住宅聚合商与家庭需求响应及配电网分层协调——第二部分：数据传输架构与案例研究
Fog-Based Hierarchical Coordination of Residential Aggregators and Household Demand Response With Power Distribution Grids—Part II: Data Transmission Architecture and Case Studies
Hamid Reza Massrur · Mahmud Fotuhi-Firuzabad · Payman Dehghanian · Frede Blaabjerg · IEEE Transactions on Power Systems · 2024年4月
第一部分提出了家庭需求响应（HDR）、住宅聚合商（RAs）与配电系统运营商（DSO）之间的分层协调方案。本文作为配套研究，提出一种新颖的三层雾计算架构，构建高效的协调框架数据传输网络。该通信架构涵盖终端设备、边缘雾节点和云服务器层，支持大规模物联网型需求响应用户的可靠数据采集。文中建模分析了时延与带宽需求，并在改进的IEEE 33节点系统上开展数值仿真。结果表明，所提架构在满足网络运行约束下，提升了RAs的收益与灵活性，降低了具备HDR能力用户的用电成本，同时增加了居民产消者的经济效益。
解读: 该雾计算分层协调架构对阳光电源户用储能与智能运维体系具有重要应用价值。可直接应用于iSolarCloud云平台的边缘计算层设计，通过雾节点实现ST系列户用储能变流器与SG系列户用逆变器的本地化需求响应决策，降低云端通信时延。文中的三层架构（终端设备-边缘雾节点-云服务器）可优化大规模户用光储系统的聚...