找到 2 条结果 · IEEE Transactions on Sustainable Energy
基于分层特征依赖Transformer的波动性海洋环境下短期海上风电功率预测
Short-Term Offshore Wind Power Forecasting in Volatile Marine Environments Based on a Hierarchical Feature-Dependency Transformer
Tianshuai Pei · Keqi Chen · Lina Yang · Xinzhang Wu 等5人 · IEEE Transactions on Sustainable Energy · 2025年9月
在波动性强的海洋环境中，突发风暴、潮汐变化和剧烈波浪导致时空异质性，严重影响短期海上风电功率预测精度，威胁电网稳定并增加经济成本。现有方法多依赖静态相关性，难以捕捉复杂非线性特征交互。为此，本文提出Hieroformer，一种基于Transformer的新框架，通过动态特征依赖层次结构建模环境演化依赖关系；设计层次感知注意力机制，引入物理归纳偏置以克服传统注意力排列不变性的局限；结合频域滤波器分离有效周期信号与噪声；并在IEEE 118节点系统中验证其显著降低运行成本。实验表明，该模型在真实数据...
解读: 该研究的分层特征依赖Transformer模型对阳光电源的储能和风电产品线具有重要应用价值。特别是对ST系列储能变流器和风电变流器的功率预测与调度优化方面,可通过其层次感知注意力机制提升极端天气下的预测精度。该技术可优化iSolarCloud平台的智能运维算法,提高储能调度和风电并网的经济性。具体应...
基于改进物理信息神经网络的微电网分布式能源资源自适应参数估计
Adaptable Parameters Estimation for Microgrid Distributed Energy Resources Using Modified Physics-Informed Neural Network
Likun Chen · Yifan Wang · Wei Sun · Xuzhu Dong 等5人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
针对微电网中分布式能源动态模糊、数据稀缺导致的参数估计难题，本文提出一种改进物理信息神经网络（PINN）方法，融合小信号分析与ODE建模，支持多类DER自适应参数辨识；引入新型数据变换，训练速度提升达82.87%；实测验证误差<5%，具备强鲁棒性与泛化能力。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能变流器的模型自校准与数字孪生功能具直接支撑价值：可提升微网级光储协同控制中PCS、逆变器等设备的实时参数在线辨识精度，增强构网型（GFM）模式下的暂态响应可靠性。建议在iSolarCloud 3.0中集成轻量化PI...