找到 2 条结果 · IEEE Transactions on Sustainable Energy
极端天气下的风电功率预测：一种新型少样本学习架构
Wind Power Forecasting Under Extreme Weather: a Novel Few-Shot Learning Architecture
Chuanyu Xu · Shichang Cui · Lishen Wei · Bangxian Zhu 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
针对极端天气下基于神经网络的风电功率预测面临的样本稀缺、常规与极端天气间领域偏移及跨极端条件泛化困难等问题，提出一种新型少样本学习架构。通过引入跨任务元训练的迁移学习策略，降低对样本量的需求并提升跨域泛化能力；设计轻量级参数层以平衡浅层与深层网络的欠拟合与过拟合问题，减少可训练参数并缓解分布偏移；构建跨域风险最小化损失函数，利用二阶梯度提升模型在多样极端条件下的鲁棒性与一致性。基于真实风电场数据的实验表明，该方法显著优于基准模型，在nRMSE和nMAE指标上分别降低2.05%–43.55%和0....
解读: 该少样本学习架构对阳光电源的储能和风电产品线具有重要应用价值。首先可应用于ST系列储能变流器的功率预测与调度优化,提升储能系统在极端天气下的调度效率。其次可集成到iSolarCloud平台,增强风储联合运行的智能预测能力。该技术的跨域迁移学习策略和轻量级参数设计,可优化阳光电源现有的电力预测算法,提...
强对流天气下静动结合型电池储能系统的规划
Planning of Stationary-Mobile Integrated Battery Energy Storage Systems Under Severe Convective Weather
Qian Wang · Xueguang Zhang · Ying Xu · Zhongkai Yi 等5人 · IEEE Transactions on Sustainable Energy · 2024年12月
在强对流天气等极端事件下，电力系统的适应性与供电恢复能力至关重要。为此，本文提出一种具备空间灵活性的静动结合型电池储能系统（SMI-BESS）规划新方法，该系统可在静态与移动模式间灵活切换，以应对正常运行与极端天气。考虑强对流天气带来的极端风速、雷击和冰雹等多重威胁，构建了配电网综合脆弱性模型，并采用两类模糊集刻画可再生能源出力与网络故障的不确定性。建立了两阶段自适应分布鲁棒优化（2S-ADRO）模型，实现SMI-BESS的精细化规划。基于中国部分地区气象与电网数据的算例验证了所提方法的有效性。
解读: 该静动结合型储能系统规划技术对阳光电源PowerTitan储能系统和移动储能产品具有重要应用价值。研究提出的两阶段自适应分布鲁棒优化方法可直接应用于ST系列储能变流器的智能调度策略，通过iSolarCloud云平台集成强对流天气预警数据，实现储能系统在固定式与移动式（如充电桩车载储能）间的灵活切换。...