找到 12 条结果 · IEEE Transactions on Power Systems
基于广义动态因子模型与生成对抗网络的风电场景生成
Wind Power Scenario Generation based on the Generalized Dynamic Factor Model and Generative Adversarial Network
Young-ho Cho · Hao Zhu · Junghyeop Im · Duehee Lee 等5人 · IEEE Transactions on Power Systems · 2025年9月
为开展资源充足性研究，我们利用时空特征（空间和时间相关性、波形、边际和爬坡率分布、功率谱密度以及统计特征）合成了分布式风电场的多个长期风电情景。在情景中生成空间相关性需要为相邻风电场设计公共因子，为远距离风电场设计对立因子。广义动态因子模型（GDFM）可以通过互谱密度分析提取公共因子，但它无法精确复制波形模式。生成对抗网络（GAN）可以通过假样本判别器验证样本，从而合成能体现时间相关性的合理样本。为结合GDFM和GAN的优势，我们使用GAN提供一个滤波器，从观测数据中提取包含时间信息的动态因子，...
解读: 该风电场景生成技术对阳光电源储能与并网产品具有重要应用价值。通过广义动态因子模型与GAN网络的结合，可以准确预测风电功率波动特征，这对ST系列储能变流器的调度策略优化和PowerTitan系统的容量配置具有重要指导意义。该方法可集成到iSolarCloud平台，提升风储联合运行的经济性。同时，其时空...
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...
知识集成GAN模型用于光伏并网分析中的全年天气随机时间序列模拟
Knowledge-Integrated GAN Model for Stochastic Time-Series Simulation of Year-Round Weather for Photovoltaic Integration Analysis
Xueqian Fu · Fuhao Chang · Hongbin Sun · Pei Zhang 等5人 · IEEE Transactions on Power Systems · 2025年4月
对于高比例光伏发电的电力系统随机生产模拟而言，气象模拟已变得至关重要。生成式人工智能已成为气象序列随机模拟的核心技术。鉴于生成式人工智能技术在内容生成方面的不可控性，本研究提出了一种由数据与知识融合驱动的年度气象场景随机模拟新方法。融合工作包括构建月度气象生成对抗网络（MWGAN）、一种基于统计概率知识的生成场景质量提升方法，以及一套用于评估生成气象场景的统计机器学习方法。利用中国广东某地48年的气象数据，对所提出的年度气象场景随机模拟方法进行了验证。通过将所提出的模型与五种前沿的生成对抗网络（...
解读: 该知识集成GAN模型对阳光电源光伏储能系统具有重要应用价值。在SG系列光伏逆变器产品线，可用于优化MPPT算法的预测性控制，通过高保真气象序列模拟提升发电功率预测精度；在ST系列储能变流器及PowerTitan大型储能系统中，全年逐时天气随机模拟可支持储能容量优化配置与充放电策略制定，提升系统经济性...
多区域电力系统中的先天网络免疫与后天网络免疫
Innate Cyber-Immunity and Acquired Cyber-Immunity Across Multi-Area Power Systems
Jiazuo Hou · Yue Song · Yunhe Hou · Jimmy Chih-Hsien Peng · IEEE Transactions on Power Systems · 2025年3月
生物体已经进化出先天和后天免疫系统来抵御像冠状病毒这样的病原体。同样，受到网络攻击威胁的电网也需要网络免疫能力。受免疫学研究的启发，本研究针对电网中任意选定的部分（称为“电力子网”），开发了一种网络免疫策略，即刻画“先天网络免疫”并建立“后天网络免疫”，以抵御隐蔽的虚假数据注入（FDI）网络攻击。在此过程中，在没有外部保护且存在信息不对称的情况下，本文首次证实了存在对FDI网络攻击具有先天免疫能力的电力子网，并给出了其闭式条件，即便所有量测数据都被篡改。随后，本文建立了单领导者 - 多追随者的双...
解读: 该网络免疫框架对阳光电源分布式能源系统具有重要防护价值。在PowerTitan大型储能系统中，可借鉴先天免疫机制设计硬件级安全隔离与冗余通信链路，通过后天免疫实现攻击模式学习与自适应防御策略。对于iSolarCloud云平台管理的多站点光伏电站，分层免疫架构可实现区域级威胁隔离与协同响应。在充电桩网...
可重构配电网中对等交易的分布式协同方法
Distributed Collaboration Method for Peer-to-Peer Transactions in Reconfigurable Distribution Network
Chenggang Mu · Tao Ding · Yuhan Huang · Shanying Zhu 等6人 · IEEE Transactions on Power Systems · 2024年12月
对等（P2P）能源交易有助于在主动配电网中共享和利用分布式能源。然而，P2P交易的时变特性使其受限于固定网络拓扑，易导致线路拥塞或电压越限。为此，本文提出一种P2P交易与配电网重构（DNR）协同的双层框架。下层由产消者通过P2P电能交易挖掘需求侧灵活性；上层由配电系统运营商（DSO）通过多时段DNR最小化网损并提升电网安全。DSO构建含开关的交流潮流模型，并引入基于图论的启发式开关约束以优化运行。此外，设计了一种二进制变量缩减的双层迭代分布式算法，理论证明了其收敛性。算例验证了该模型在市场均衡、...
解读: 该分布式P2P交易与配电网重构协同技术对阳光电源ST系列储能系统和iSolarCloud平台具有重要应用价值。研究提出的双层优化框架可直接应用于PowerTitan储能系统的能量管理策略：下层P2P交易机制可集成到储能变流器控制算法中，实现用户侧储能的灵活交易和需求响应；上层DNR优化可增强iSol...
非参数随机微分方程在风电功率超短期概率预测中的应用
Nonparametric Stochastic Differential Equations for Ultra-Short-Term Probabilistic Forecasting of Wind Power Generation
Yuqi Xu · Can Wan · Guangya Yang · Ping Ju · IEEE Transactions on Power Systems · 2024年11月
超短期风电功率概率预测为电力系统实时运行提供了关键的不确定性信息。然而，风电出力的随机动态特性复杂，传统参数化模型难以准确刻画其非线性演化过程。本文提出一种基于非参数随机微分方程的建模方法，直接从历史数据中学习漂移与扩散项的结构，无需预设函数形式，有效捕捉风功率的时变统计特征与局部动态行为。实验结果表明，该方法在多个时间尺度下均能提供高精度的概率预测结果，显著提升预测可靠性。
解读: 该非参数随机微分方程预测技术对阳光电源的风电变流器和储能系统具有重要应用价值。可直接应用于ST系列储能变流器的功率调度优化和PowerTitan大型储能系统的容量配置。通过精确预测风电功率的随机波动特性,有助于提升储能系统的调峰调频性能,优化电池充放电策略。该技术还可集成到iSolarCloud平台...
基于鲁棒软演员-评论家算法的时空相关性风险调度方法
Risk-Based Dispatch of Power Systems Incorporating Spatiotemporal Correlation Based on the Robust Soft Actor-Critic Algorithm
Jianbing Feng · Zhouyang Ren · Wenyuan Li · IEEE Transactions on Power Systems · 2024年11月
基于安全深度强化学习（SDRL），本文提出一种考虑时空相关性的风险调度方法（SC-RD），同时建模违规风险的时间相关性与风电不确定性的空间相关性。为此设计了一种新型鲁棒软演员-评论家算法（R-SAC），无需近似或不确定性分布假设，即可在线求解非线性、非凸且含积分形式的SC-RD模型。通过构建鲁棒约束马尔可夫决策过程（R-CMDP），将违规风险作为智能体探索成本，并以成本的CVaR作为安全探索的风险指标。引入二阶中心矩评估模块高效估计CVaR，并结合加速原对偶优化实现最大熵自适应学习。在IEEE-...
解读: 该研究提出的时空相关性风险调度方法对阳光电源的储能与风电产品具有重要应用价值。R-SAC算法可优化ST系列储能变流器的调度策略,提升PowerTitan大型储能系统在风电场景的运行稳定性。具体而言:(1)可应用于储能电站EMS的调度优化,提高储能容量配置合理性;(2)可集成到iSolarCloud平...
一种原理约束的风场图像生成框架用于短期风电功率预测
A Principle-Constrained Wind Field Image Generation Framework for Short-Term Wind Power Forecasting
Jingxuan Liu · Haixiang Zang · Tao Ding · Lilin Cheng 等6人 · IEEE Transactions on Power Systems · 2024年8月
随机且非平稳的风特性给风电带来了相当大的不确定性，这对电网管理和市场出清构成了挑战。研究风场的时空特性对于预测未来风电变化至关重要。然而，目前在更精确地描述风场演变特征方面仍有提升空间。在本研究中，通过多阶偏微分方程建模，可将风场演变过程分解为对流、扩散、环流以及其他未知过程。在先验知识和深度学习的共同驱动下，提出了一种新型的物理单元（Phycell），用于从连续的风场图像中学习时间依赖关系。由此，建立了一个递归风场预测框架，以获取未来多步的风场图像。此外，通过引导注意力机制处理风场预测结果，以...
解读: 该风场图像生成框架对阳光电源的风电变流器和智能运维系统具有重要应用价值。可集成至iSolarCloud平台的预测分析模块，提升风电场发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节控制和PowerTitan系统的容量配置提供更准确的数据支撑。通过提前预知风电出力变化，可实现储能系统...
高分辨率实时电力系统状态估计：一种融合物理嵌入与数据驱动的视角
High-Resolution Real-Time Power Systems State Estimation: A Combined Physics-Embedded and Data-Driven Perspective
Jianxiong Hu · Qi Wang · Yujian Ye · Yi Tang · IEEE Transactions on Power Systems · 2024年8月
对电力系统运行状态进行高分辨率实时感知，对于实现在线动态安全评估至关重要。然而，冗余测量有限、动态模型复杂以及平衡状态变量和非状态变量精度等相关挑战，阻碍了传统的模型驱动和数据驱动状态估计（SE）方法提供具有高时空精度的实时状态。本文提出了一种新颖的物理嵌入数据驱动状态估计框架。该框架通过将物理知识融入状态估计模型的开发和训练过程，系统地完善了以往的高分辨率数据驱动状态估计框架。利用物理模型将混合测量值转换为节点特征并提供系统近期状态，采用多头图注意力网络提取空间特征，并通过残差网络修正当前状态...
解读: 该物理嵌入与数据驱动融合的高分辨率状态估计技术对阳光电源储能系统具有重要应用价值。在PowerTitan大型储能系统中，可实现电池簇级实时状态监测与动态安全评估，提升ST系列储能变流器的并网稳定性。该方法结合电力系统微分代数方程与深度学习，可优化构网型GFM控制策略的实时响应能力，增强iSolarC...
一种应对极端事件的多区域电力市场风险分担双层框架
A Risk-Sharing Bi-Level Framework for Multi-Area Electricity Markets Against Extreme Events
Jianing Lin · Minglei Bao · Yanqiu Hou · Yi Ding 等5人 · IEEE Transactions on Power Systems · 2024年8月
针对极端天气事件频发带来的电力价格风险管理问题，本文提出一种创新的多区域电力市场风险分担双层框架。该框架通过跨区互济电力的时间优化配置，在风险相关价格信号引导下实现高风险区域的功率平衡缓解。上层进行基于各区域报价的最优互济电力市场出清，下层则基于预期节点边际电价等价格风险指标制定风险感知竞价策略。结合负载中断值与Ford-Fulkerson方法提出新型场景约简技术，并在解析目标级联框架下分布式求解双层模型以保护区域数据隐私。算例表明，该机制可有效降低多区域市场的价格风险。
解读: 该多区域电力市场风险分担框架对阳光电源储能系统和能源管理平台具有重要应用价值。其双层优化机制可直接应用于PowerTitan大型储能系统的跨区域调度策略，通过风险感知竞价实现储能资源在多市场间的优化配置。基于预期节点边际电价的风险指标可集成到iSolarCloud平台，为ST系列储能变流器提供极端天...
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...
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...