找到 3 条结果 · IEEE Transactions on Power Systems
一种集成多源数值天气预报的短期非参数概率光伏功率预测两阶段集成学习框架
A Two-Stage Ensemble Learning Framework for Short-Term Nonparametric Probabilistic Photovoltaic Power Forecasting Integrating Multi-Source Numerical Weather Predictions
Hanting Zhao · Yao Zhang · Wei Huo · Fan Lin 等5人 · IEEE Transactions on Power Systems · 2025年9月
利用数值天气预报（NWP）进行短期太阳能功率概率预测（SSPPF）已被证明是一种提高太阳能整合与利用效率的有效方法。然而，大多数现有的SSPPF研究仅采用单源NWP，忽略了多源NWP在提高概率预测准确性和稳健性方面的潜在优势。本文提出了一种用于SSPPF的改进两阶段集成学习预测框架（ITS - ELFF）。ITS - ELFF将多源NWP作为关键的外部协变量，以生成多步分位数预测。在第一阶段，一组稳健且多样的基学习器提供初始分位数预测。在第二阶段，一个元学习器整合所有基学习器的分位数预测，以生成...
解读: 该两阶段集成学习框架对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。通过融合多源NWP数据的非参数概率预测，可显著提升光伏电站功率预测精度，优化MPPT算法的前瞻性控制策略。在PowerTitan储能系统中，高精度概率预测能改进充放电调度决策，提升削峰填谷效果和电网...
基于拓扑结构的边缘计算框架用于电力系统小信号稳定性分析
A Topology-Based Edge Computing Framework for Digital Power System Small-Signal Stability Analysis
Zhiqi Xu · Wei Jiang · Junbo Zhao · IEEE Transactions on Power Systems · 2025年1月
电力系统稳定性分析正向数据驱动模式转型。然而，传统集中式数据处理方式在数字化背景下面临计算与通信负担重、数据隐私等问题。为此，本文提出一种基于电力系统拓扑结构的边缘计算框架，利用智能电子设备（IED）的本地计算与通信能力，减轻控制中心负担，推动系统数字化转型。发电机侧的IED作为边缘节点，采集本地区域数据辨识子系统动态模型，并逐步合并相邻子系统模型，最终构建全系统动态模型。该模型分布式存储于各边缘节点，支持并行处理。采用分治策略进行特征值分析，将计算任务递归分解至不同节点组并行执行。算例验证了所...
解读: 该边缘计算框架对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。在大型储能电站场景中，可将小信号稳定性分析任务分布至ST系列储能变流器的本地控制器，利用其IED功能实现分布式动态模型辨识与特征值计算，有效降低集中式云平台的通信带宽和计算负荷。该技术特别适用于多储能单...
基于卷积图神经网络与参数迁移的区域光伏功率短期概率预测
Short-Term Probabilistic Forecasting for Regional PV Power Based on Convolutional Graph Neural Network and Parameter Transferring
Fan Lin · Yao Zhang · Hanting Zhao · Wei Huo 等5人 · IEEE Transactions on Power Systems · 2024年11月
本文提出一种用于区域光伏功率短期概率预测的新型端到端深度学习模型，该模型具有局部-全局两层结构。在局部层，构建基于有向图的动态空间卷积图神经网络，以学习光伏电站的高维特征表示；在全局层，提出动态图池化方法，将局部特征聚合为全局表示，并映射为区域光伏功率的概率预测结果。为防止过拟合，引入基于参数迁移的训练策略。在公开真实数据上的实验表明，该模型可提供高质量且可靠的短期概率预测。
解读: 该区域光伏功率概率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。其卷积图神经网络可建模区域内多个光伏电站的空间关联性，为SG系列逆变器集群提供更精准的短期功率预测。概率预测结果可优化PowerTitan储能系统的充放电策略制定，通过预测区间合理配置储能容量，提升系统经济性。参...