Younes Ghazagh Jahed · Seyyed Yousef Mousazadeh Mousavi · Saeed Golestan · IEEE Transactions on Sustainable Energy · 2024年11月

近年来，可再生能源和电动汽车的广泛接入使微电网运行面临显著的供需不确定性。本文提出一种面向并网型微电网的在线流驱动能量管理策略，结合循环神经网络（RNN）实现对时序数据的学习与实时决策，并引入名为SustainaBoost（SB）的增强技术以提升系统可持续性与神经网络训练质量，有效应对噪声数据影响。实验结果表明，所提RNN模型在测试集上实现98.7%的最优运行成本降低性能。

解读: 该在线流驱动能量管理技术对阳光电源ST系列储能变流器和PowerTitan储能系统具有重要应用价值。RNN时序学习能力可集成至iSolarCloud平台，实现微电网场景下光伏-储能-充电桩的实时协调优化，提升98.7%成本降低性能直接对应储能系统经济性提升。SustainaBoost抗噪声增强技术可...

Miao Yu · Jinyang Han · Honghao Wu · Jiaxin Yan 等5人 · IEEE Transactions on Sustainable Energy · 2024年11月

在新能源发展背景下，短期风功率预测的精度要求日益提高。针对风电出力受多重因素影响而具有随机性和波动性，且现有神经网络方法多忽略输入变量间交互作用的问题，本文探索BERT算法在风功率预测中的应用。提出Wind2vec变量嵌入方法以更高效拟合时序变量关系，并结合GARCH模型对预测结果进行波动性建模优化。采用自适应计算时间（ACT）方法对BERT主干网络参数进行微调，增强其对电力序列输入的适应性。通过双向注意力机制与Transformer架构捕捉历史风数据中的细粒度时序依赖关系。基于中国南方电网实际...

解读: 该研究的Wind2vec-BERT预测模型对阳光电源的储能与风电产品线具有重要应用价值。可直接应用于ST系列储能变流器的能量调度优化和PowerTitan大型储能系统的容量配置,提升系统经济性。BERT-GARCH-M模型的高精度预测能力可集成到iSolarCloud平台,优化风储联合运行策略,提升...

Zhihong Liu · Lei Xi · Yue Quan · Chen Cheng 等5人 · IEEE Transactions on Sustainable Energy · 2024年10月

分布式能源、负荷与储能设备具有间歇性和强随机性，接入电网后易引发显著的频率波动。现有基于多智能体协同神经网络的控制算法易遭遇灾难性遗忘问题，难以在强随机扰动下实现最优控制。本文提出一种基于正交权重修正策略网络更新的近端受脑启发策略优化（PBPO）算法，赋予网络类脑上下文感知能力，从而加速多区域协同控制的收敛速度，有效抑制电网严重随机扰动引起的频率波动。通过大规模电动汽车接入场景下的两个负荷频率控制模型仿真验证，所提PBPO算法在收敛速度、频率稳定性及控制性能方面均优于多种强化学习算法。

解读: 该脑启发协同控制技术对阳光电源储能与充电桩产品具有重要应用价值。针对PowerTitan大型储能系统参与电网AGC调频场景，PBPO算法的抗遗忘特性可显著提升多储能站点协同响应能力，解决ST系列储能变流器在强随机扰动下的频率稳定问题。对于新能源汽车业务，该算法可优化大规模充电桩V2G协同控制策略，实...

Le Su · Xueping Pan · Xiaorong Sun · Jinpeng Guo 等5人 · IEEE Transactions on Sustainable Energy · 2024年9月

电压计算对评估光伏承载力至关重要，但中压配电网精确参数与拓扑结构难以获取，导致传统潮流方法失效。为此，本文提出一种融合数据驱动与非线性函数的混合方法。首先，利用历史数据构建深度神经网络模型，实现潮流与电压-功率灵敏度的映射，降低计算耗时并提升精度；其次，基于潮流方程推导功率对电压的四阶泰勒展开式，用于外推光伏接入后超出历史范围的节点电压；最后，采用麻雀搜索算法求解光伏承载力。在IEEE 33和IEEE 69系统上的仿真验证了该方法在电压与承载力计算中的准确性。

解读: 该数据驱动的光伏承载力评估技术对阳光电源SG系列光伏逆变器和iSolarCloud云平台具有重要应用价值。文章提出的深度神经网络潮流计算与非线性灵敏度分析方法，可直接集成到iSolarCloud智能运维平台，实现配电网光伏接入容量的快速评估与动态监测。对于SG逆变器的并网控制策略，该方法可基于历史运...

Xun Shen · IEEE Transactions on Sustainable Energy · 2024年9月

精确的风电机组功率曲线对风电状态监测与出力预测至关重要。然而，实际数据集中存在大量因通信故障等因素导致的异常数据，直接影响模型拟合性能。本文提出一种统一的集值回归方法，同步实现异常数据检测与曲线拟合。采用区间神经网络建模，通过构建机会约束优化问题进行训练，并提出基于样本的Sigmoid逼近法求解，证明了逼近方法的收敛性与概率可行性。所得区间可界定正常数据范围用于异常检测，其中心则构成拟合曲线。实验验证表明该方法优于现有方法。

解读: 该集值回归方法对阳光电源的风电变流器和储能系统具有重要应用价值。首先，可集成到iSolarCloud平台的智能诊断模块，提升风电机组功率曲线的拟合精度和异常检测能力。其次，该方法的区间神经网络建模思路可应用于ST系列储能变流器的功率预测和调度优化，特别是在风储联合运行场景中。此外，文中的机会约束优化...

Keunju Song · Minsoo Kim · Hongseok Kim · IEEE Transactions on Sustainable Energy · 2024年8月

近年来，集成分布式能源的电力系统被用于应对气候变化，但也增加了系统的不确定性与复杂性，亟需考虑高精度的概率化预测方法。本文提出一种可扩展且对缺失数据不敏感的多站点光伏功率概率预测框架，专注于大规模光伏电站及时空数据缺失场景。所提出的基于图神经网络的随机粗粒度图注意力与概率时空学习机制，在预测精度和模型训练复杂度方面均表现优异，并能自适应地在时空域内填补缺失数据。消融实验表明，该框架能有效捕捉大规模光伏站点间的复杂时空特征。在超过1600个光伏站点及三类时空缺失数据上的实验结果显示，平均预测性能提...

解读: 该基于图神经网络的大规模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。可直接应用于：1）SG系列逆变器集群的功率预测与调度优化，通过时空关联建模提升多站点协同控制精度；2）PowerTitan储能系统的充放电策略制定，基于概率预测结果优化能量管理；3）智能诊断系统...

Tao Jing · Shanlin Chen · David Navarro-Alarcon · Yinghao Chu 等5人 · IEEE Transactions on Sustainable Energy · 2024年10月

太阳能预测是缓解间歇性光伏发电对电网负面影响的有效技术。尽管已有多种深度学习方法用于太阳辐照度预测，但在超短期区域预测中，多模态特征的自动选择与综合融合研究仍显不足。本文提出SolarFusionNet，一种融合自动多模态特征选择与跨模态数据融合的新型深度学习模型。该模型设计了两类自动特征选择单元，分别提取多通道卫星图像与多变量气象数据的关键特征，并采用三种循环层捕捉长期依赖关系。特别地，引入高斯核卷积长短期记忆网络以提取光流云运动场中的稀疏特征。进一步提出基于物理逻辑依赖的分层多头跨模态自注意...

解读: 该多模态太阳辐照度预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。SolarFusionNet融合卫星图像与气象数据的4小时超短期预测能力（技能达37.4%-47.6%），可直接应用于SG系列光伏逆变器的MPPT算法优化，提前调整功率跟踪策略；对PowerTitan储能系统的能...