找到 12 条结果 · IEEE Transactions on Sustainable Energy
基于稀疏模型集成学习策略的主动配电网有功调度端到端协同优化
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月
随着分布式可再生能源渗透率的提高，新型主动配电网日益采用灵活调节策略。源荷双侧不确定性给配电网调度带来显著挑战，传统“先预测后优化”方法难以量化实时调度与理论最优之间的性能差距。为此，本文提出一种端到端协同优化策略，直接利用格点化气象数值预报等多源信息进行调度决策，省去功率预测中间环节。为应对高维开放场景下的模型训练难题，引入稀疏模型集成学习构建调度策略，并采用约束策略优化求解。算例表明，该策略在光伏无功辅助服务与需求响应场景中优于传统方法。
解读: 该端到端协同优化技术对阳光电源PowerTitan储能系统和SG系列光伏逆变器的智能调度具有重要应用价值。通过跳过传统功率预测环节，直接基于气象数据进行调度决策，可显著提升iSolarCloud云平台的实时响应能力。稀疏模型集成学习策略适用于ST储能变流器的多场景自适应控制，特别是在光伏无功辅助服务...
基于稀疏模型集成学习策略的主动配电网端到端协同优化调度
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月 · Vol.17
针对分布式新能源高渗透下源荷双不确定性导致的传统‘预测-优化’调度性能偏差问题，本文提出端到端调度策略，跳过功率预测环节，直接融合数值天气预报等多源信息决策；采用稀疏模型集成学习与约束策略优化求解，在光伏无功调节与需求响应场景中显著提升实时调度性能。
解读: 该研究高度契合阳光电源在智能调度与光储协同控制领域的战略布局。其端到端AI调度框架可直接赋能iSolarCloud平台升级，提升对ST系列PCS、PowerTitan及组串式逆变器集群的实时协同调控能力；尤其适用于工商业光储一体化项目中的动态无功支撑与需求响应。建议将稀疏模型集成策略嵌入iSolar...
基于灰色关联分析与Transformer-GCAN模型的县域分布式光伏日前功率预测
County-level Distributed PV Day-ahead Power Prediction based on Grey Correlation Analysis and Transformer-GCAN Model
Pei Zhang · Bin Zhang · Jinliang Yin · Jie Shi · IEEE Transactions on Sustainable Energy · 2025年7月
县域内分布式光伏电站具有显著的时空相关性，仅考虑时间相关性难以满足日前调度需求。本文提出一种基于灰色关联分析和Transformer-图卷积注意力网络（Transformer-GCAN）的县域日前功率预测方法。首先通过灰色关联度确定光伏电站间的关联关系并构建站间图结构；其次利用Transformer提取各节点时间特征，并结合图卷积网络引入图注意力机制动态捕捉空间特征；最后通过全连接网络融合时空特征实现县域总功率预测。算例结果表明，相较于Transformer-GCN模型，该方法在晴天、多云和雨天...
解读: 该县域分布式光伏功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。通过灰色关联分析构建站间拓扑结构，结合Transformer-GCAN模型捕捉时空特征，可显著提升日前功率预测精度（不同天气条件下RMSE降低11.90%-19.61%）。该方法可直接集成到iSolarClou...
基于灰色关联分析与Transformer-GCAN模型的县域分布式光伏日前功率预测
County-Level Distributed PV Day-Ahead Power Prediction Based on Grey Correlation Analysis and Transformer-GCAN Model
Pei Zhang · Bin Zhang · Jinliang Yin · Jie Shi · IEEE Transactions on Sustainable Energy · 2025年7月 · Vol.17
针对县域内分布式光伏电站存在的时空相关性，本文提出融合灰色关联分析与Transformer-GCAN模型的日前功率预测方法：利用灰色关联度构建光伏站图结构，结合Transformer提取时序特征、GAT增强空间注意力建模，最终实现高精度县域级预测。实测显示RMSE在晴/阴/雨天分别降低11.90%/15.72%/19.61%。
解读: 该研究高度契合阳光电源iSolarCloud智能运维平台及组串式逆变器集群的日前调度需求。其Transformer-GCAN模型可嵌入iSolarCloud的功率预测引擎，提升县域级分布式光伏出力预测精度，支撑ST系列PCS和PowerTitan储能系统的协同充放电决策。建议将灰色关联图构建模块集成...
考虑风电和光伏预测的嵌入双规则分布式近端策略优化
Distributed Proximal Policy Optimization with Embedded Dual Rules for Power Systems Considering Wind and Photovoltaic Forecasting
Peng Lu · Yuanbao Wu · Junhao Li · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
针对风电与光伏功率预测误差导致的最优调度偏差问题，本文提出一种嵌入双规则的分布式近端策略优化（DPPO）模型。该模型将预测及误差校正信息嵌入DPPO状态空间，并以正则形式在神经网络中融入电网功率平衡与潮流约束，结合预设规则实现状态评估与动作执行的协同优化。基于某省电网实际数据在改进IEEE-30节点系统上的仿真结果表明，所提方法能有效应对可再生能源预测不确定性，在提升风电消纳、降低运行成本及增强调度适应性方面优于三种先进方法。
解读: 该嵌入双规则DPPO调度技术对阳光电源PowerTitan储能系统和iSolarCloud智能运维平台具有重要应用价值。其预测误差校正机制可直接集成到ST系列储能变流器的EMS能量管理策略中，通过实时修正风光预测偏差优化充放电决策，提升储能系统在新能源消纳场景下的经济性。分布式优化架构与阳光电源多站...
基于图元强化学习的高比例光伏接入智能配电网自主电压调节
Autonomous Voltage Regulation for Smart Distribution Network With High-Proportion PVs: A Graph Meta-Reinforcement Learning Approach
Leijiao Ge · Jingjing Li · Luyang Hou · Jingang Lai · IEEE Transactions on Sustainable Energy · 2025年5月
高比例分布式光伏接入的智能配电网常面临严峻的电压质量问题。深度强化学习（DRL）无需显式建模即可实现优化控制，但在应用于此类系统时易受环境不稳定和智能体学习不均衡等问题影响。本文将电压控制建模为部分可观测马尔可夫决策过程，提出一种基于图卷积网络的多智能体元强化学习算法，融合元学习以提升智能体对他人行为的预测能力，缓解环境非稳性；通过引入自关注机制与值分解方法改善学习不均衡。在IEEE 33、141和322节点系统上的实验验证了所提方法的有效性，并优于五种主流多智能体DRL及模型预测控制方法。
解读: 该图元强化学习电压调节技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。可直接应用于分布式光伏并网场景的智能电压控制：1）通过多智能体协同优化，提升SG逆变器在高渗透率光伏配电网中的无功调节能力，解决传统MPC建模复杂、计算负荷高的问题；2）结合ST储能变流器的有功-无功协调控制，实现...
基于GPT的超短期分布式光伏发电功率预测方法
An Ultra-Short-Term Distributed Photovoltaic Power Forecasting Method Based on GPT
Hengqi Zhang · Jie Yang · Siyuan Fan · Hua Geng 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着大量分布式光伏电站并网，提升发电功率预测精度对电力系统安全经济运行具有重要意义。针对现有方法在数据稀缺与随机波动方面的挑战，本文提出一种基于生成式预训练Transformer（GPT）的超短期分布式光伏功率预测方法。通过生成多空间分辨率的虚拟光伏功率数据，预训练Transformer模型，并利用少量实测数据进行微调。注意力机制通过预训练学习历史数据中的相关性，微调实现新电站的轻量化部署与高精度预测。实验结果表明，所提方法在仅1个月实测数据下，相比LSTM、线性模型和Transformer模型...
解读: 该基于GPT的超短期光伏功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。可直接集成至SG系列光伏逆变器的智能诊断系统，通过少量实测数据实现新建电站的快速部署与高精度预测，相比传统LSTM方法RMSE降低37.22%。该技术可优化PowerTitan储能系统的充放电策略，提升...
基于分类的空间插值法的区域分布式光伏功率预测太阳辐照度插值
Categorical Spatial Interpolation of Solar Irradiance for Regional Distributed Photovoltaic Power Forecasting
Chenglong Ruan · Kangping Li · Zhenghui Li · Chunyi Huang 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
高空间分辨率太阳辐照度预报数据对区域分布式光伏发电预测至关重要。现有插值方法在云量变化等复杂天气下因局部辐照突变易产生较大误差。本文提出一种分类空间插值方法，通过自适应阈值将卫星短波辐射图像转化为二值辐照图，并训练3D U-net模型预测各网格未来辐照类别概率。概率图动态引导两个并行插值过程：分别利用晴空与多云区域站点数据，最终通过概率加权融合确定辐照值。真实数据案例验证了该方法的有效性与优越性。
解读: 该分类空间插值技术对阳光电源iSolarCloud智能运维平台和区域级储能系统调度具有重要应用价值。通过3D U-net模型实现高精度区域辐照预测，可直接应用于：1）PowerTitan大型储能系统的多时间尺度功率预测与充放电策略优化，提升储能参与电网调度的经济性；2）SG系列逆变器集群的区域功率预...
通过零碳电网推进工业可持续性与经济性
Advancing Industrial Sustainability and Economics Through a Net-Zero Grid
Abdullahi Bamigbade · Francisco de León · IEEE Transactions on Sustainable Energy · 2025年3月
本文提出一种面向工业可持续发展的零碳电网设计框架，针对低功率因数和高电流谐波畸变的工业负荷挑战，集成光伏与电池储能作为分布式能源。通过模块化有源滤波器仅抑制负荷谐波电流，减小装置容量以提升经济性；分布式能源利用负荷电流调节功率注入或吸收，优化峰谷电价下的运行效益。结合有功与无功电流下垂控制，实现主网故障时的频率与电压支撑。详述各子系统及参考电流生成算法，验证了系统在电能质量、并网合规性及电网支撑功能方面的有效性。
解读: 该零碳电网框架对阳光电源ST储能系统与SG工商业光伏逆变器深度融合具有重要价值。文中模块化有源滤波器设计可直接应用于ST系列储能变流器，通过选择性谐波抑制降低装置容量成本；基于负荷电流的功率调节策略可优化PowerTitan系统在峰谷电价下的充放电经济性；有功无功下垂控制算法可增强SG逆变器的电网支...
一种基于迁移学习的集成稀疏门控图密度网络用于多站点可再生能源概率预测
An Integrated Sparse Gated Graph Density Network Based on Transfer Learning for Multi-Site Probabilistic Forecasting of Renewable Energy
Kang Wang · Jianzhou Wang · Zhiwu Li · Yilin Zhou · IEEE Transactions on Sustainable Energy · 2024年10月
大规模新能源并网对智能电网的安全高效运行带来严峻挑战。可再生能源概率预测（REPF）技术可分析发电不确定性，量化风险平衡，防止电网崩溃。然而，现有依赖时空图的方法难以准确估计可再生能源的概率密度函数（PDF），导致对分布式发电系统的不确定性分析不足。为此，本文提出一种融合迁移学习的集成稀疏门控图密度网络（ISGGDN）。该模型结合交叉注意力与残差连接，构建稀疏门控图动态卷积网络，有效提取站点间空间特征及时空交互关系，提升概率预测精度。同时，设计多种迁移学习微调策略，增强特征迁移能力。基于相邻多站...
解读: 该ISGGDN多站点概率预测技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。通过稀疏门控图网络捕捉分布式光伏电站间时空关联，可显著提升SG系列逆变器集群的功率预测精度，为ST系列储能变流器提供更准确的充放电调度依据。其概率密度函数估计能力可优化储能系统...
基于图的大规模概率光伏功率预测方法：对时空缺失数据不敏感
Graph-Based Large Scale Probabilistic PV Power Forecasting Insensitive to Space-Time Missing Data
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...
基于嵌入式双规则分布式近端策略优化的风电与光伏功率预测误差校正调度方法
Distributed Proximal Policy Optimization With Embedded Dual Rules for Power Systems Considering Wind and Photovoltaic Forecasting
Peng Lu · Yuanbao Wu · Junhao Li · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
针对风电与光伏预测误差导致的调度偏差问题，本文提出嵌入预测与误差校正信息的分布式近端策略优化（DPPO）模型，并将电网物理约束以正则形式嵌入网络，提升不确定性下的调度鲁棒性与经济性。
解读: 该研究提出的DPPO强化学习调度框架可直接赋能阳光电源iSolarCloud智能运维平台及PowerTitan储能系统能量管理模块，提升其在风光出力波动场景下的实时决策能力。建议将该算法集成至ST系列PCS的EMS层，协同组串式逆变器实现源-网-荷-储多层级自适应调控，尤其适用于高比例新能源并网的工...