找到 4 条结果 · IEEE Transactions on Power Systems
基于物理信息自监督预训练的GNN在大规模电力系统分析中的泛化能力提升
GNNs' Generalization Improvement for Large-Scale Power System Analysis Based on Physics-Informed Self-Supervised Pre-Training
Yuhong Zhu · Yongzhi Zhou · Wei Wei · Peng Li 等5人 · IEEE Transactions on Power Systems · 2025年2月
在人工智能驱动的电力系统分析（PSA）中，系统拓扑的高效且信息丰富的表示至关重要。尽管取得了重大突破，但近期采用图神经网络（GNNs）的方法在大规模电力系统分析中面临重大挑战，包括获取足够标注数据的高计算需求，以及对未见故障拓扑的泛化能力较差。为解决这些问题，我们提出了一种用于预训练图神经网络的自监督策略，该策略可在单个节点特征层面和整个图结构层面提升图神经网络的表达能力。通过集成物理信息技术，我们的策略使图神经网络能够内化适用于多个下游任务的基本原理。我们证明，我们的方法能够在无监督的情况下对...
解读: 该研究提出的物理信息自监督GNN框架对阳光电源的智能化产品升级具有重要价值。首先可应用于ST系列储能系统和SG系列光伏逆变器的电网拓扑感知与控制优化,提升GFM/GFL控制的适应性;其次可集成到iSolarCloud平台,增强分布式电站群的智能调度与故障诊断能力。该方法通过物理规律预训练提升模型泛化...
分布式预定义时间控制在时滞与输入饱和电力系统中的应用
Distributed Predefined-Time Control for Power System With Time Delay and Input Saturation
Sunhua Huang · Linyun Xiong · Yang Zhou · Fei Gao 等6人 · IEEE Transactions on Power Systems · 2024年5月
本文提出了一种分布式分数阶预定义时间滑模控制器（DFOPTSMC），用于调节外部储能装置，以提高存在时滞和输入饱和的电力系统的暂态稳定性。时滞会恶化电力系统的性能，甚至导致系统不稳定。基于阿斯特恩变换定理，将存在通信时滞的电力系统模型转换为无延迟模型。同时，在实际电力系统中，外部储能装置的输出需要受到限制。为此，提出了饱和补偿系统以弥补外部储能装置输入饱和的影响。因此，提出了一种考虑通信时滞和输入饱和的DFOPTSMC来调节储能装置，该控制器具有快速响应能力和较强的调节能力，可提高电力系统的暂态...
解读: 该分布式预定义时间控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。DFOPTSMC方法可直接应用于储能系统的功率调节控制，解决电网通信时滞和功率器件饱和限制问题，提升暂态稳定性。其预定义时间收敛特性可优化现有VSG虚拟同步机控制策略，实现更快速的频率响应和更强...
一种平衡划分方法及其在电网分布式状态估计中的应用
A Balanced Partitioning Method and Its Application on Distributed State Estimation in Power Grids
Xue Li · Tengfei Zhang · Zhe Zhou · IEEE Transactions on Power Systems · 2025年7月
电网划分方法的性能对分布式状态估计（DSE）效果具有重要影响。现有方法在保证划分质量与网络连通性的同时难以实现节点分布均衡，易导致资源利用率低和估计精度下降。本文提出一种新型平衡电网划分方法，构建融合电气模块度、节点分布均衡因子与划分密度影响因子的多目标适应度模型，以兼顾划分均衡性与电网连通性。针对非凸离散优化问题，采用结合图论与谱聚类的改进粒子群算法提升解的多样性与收敛速度，并设计划分质量保障机制以自动检测并重分配孤立节点。数值分析与多场景对比实验验证了该方法的有效性，应用于DSE时显著提升了...
解读: 该平衡划分方法对阳光电源分布式储能系统具有重要应用价值。在PowerTitan大型储能系统和多站点ESS集成方案中，可优化分布式能量管理系统（EMS）的状态估计精度，实现储能单元间负载均衡与协同控制。该方法的多目标适应度模型可应用于iSolarCloud云平台的分布式监控架构，提升光储电站群的状态感...
多任务图自适应学习在澳大利亚国家电力市场多元电价短期预测中的应用
Multi-Task Graph Adaptive Learning for Multivariate Electricity Price Short-Term Forecasting in Australia's National Electricity Market
Yi Li · Chaojie Li · Guo Chen · Xiaojun Zhou 等5人 · IEEE Transactions on Power Systems · 2024年4月
准确的电价短期预测对电力市场数字化至关重要。然而，可再生能源扩张与用电需求增长导致电价波动加剧，预测难度加大。供需不平衡的不确定性及电力市场的时空关联性是精准预测的主要障碍。本文提出一种多任务学习模型MGAAL，结合图注意力机制，并引入异常价格尖峰预测的辅助任务，提升泛化能力并降低过拟合风险。MGAAL采用基于注意力的图神经网络捕捉电力时空流动动态，并通过同方差不确定性和梯度归一化自适应调整任务权重。基于澳大利亚国家电力市场数据的实验表明，该模型性能优于当前先进方法。
解读: 该多任务图自适应学习电价预测技术对阳光电源储能系统具有重要应用价值。在PowerTitan大型储能系统和ST系列储能变流器的能量管理策略中，精准的电价短期预测可优化充放电调度决策，通过峰谷套利提升收益。其图神经网络捕捉时空关联的方法可集成至iSolarCloud云平台，实现多站点储能协同优化。异常价...