找到 5 条结果 · IEEE Transactions on Sustainable Energy
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...
基于元强化学习的自适应可解释储能控制应对动态场景
Meta Reinforcement Learning Based Adaptive and Interpretable Energy Storage Control Meets Dynamic Scenarios
Yibing Dang · Jiangjiao Xu · Fan Yang · Changjun Jiang 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着可再生能源的广泛应用，储能系统在能量调度与经济套利中发挥关键作用。传统强化学习方法因泛化能力有限，在高动态环境下易出现性能下降。本文提出一种基于元强化学习的储能控制框架，包含离线训练与在线适应阶段，通过双循环更新机制和多任务学习获得高泛化性的初始参数，并结合Shapley值方法增强决策可解释性。实验表明，该模型在多种动态微网场景下适应性强，性能较传统方法提升20%至50%，且调度决策特征贡献分析符合人类直觉。
解读: 该元强化学习储能控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。其自适应双循环更新机制可显著提升储能系统在光伏出力波动、负荷变化等动态场景下的调度性能，相比传统方法提升20%-50%的经济效益直接增强产品市场竞争力。Shapley值可解释性分析可集成至iSol...
一种考虑扩散性不确定性的铁路移动储能 resilient 机组组合两阶段鲁棒方法
A Two-Stage Robust Approach for Resilient Unit Commitment With Rail-Based Mobile Energy Storage Under Diffusional Uncertainties
Xiang Yang · Xinghua Liu · Tianyang Zhao · Zhonggang Yin 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
基于铁路的移动储能（RMES）为提升电力系统韧性提供了有效手段。本文提出扩展的时间-空间网络（TSN）模型，刻画飓风对铁路运输网络的影响。针对输电线路与铁路在灾害中随机故障的扩散性不确定性，构建两阶段鲁棒优化模型，协调电力系统与铁路网联合运行，最小化最恶劣场景下的运行成本。第一阶段决策机组启停与RMES预置位置，第二阶段基于实际不确定性调整RMES充放电行为以恢复负荷。设计并验证了一种改进的嵌套列与约束生成（N-C&CG）算法，在IEEE RTS系统与6节点铁路网耦合案例中表明，所提RMES策略...
解读: 该铁路移动储能鲁棒调度技术对阳光电源PowerTitan大型储能系统和ST系列储能变流器具有重要应用价值。文章提出的两阶段鲁棒优化框架可直接应用于阳光电源移动储能解决方案，通过时间-空间网络模型优化储能系统在极端天气下的预部署策略与实时调度，提升电网韧性。扩散性不确定性建模方法可集成到iSolarC...
基于动态重构混合互联变压器技术的双馈感应发电机风电系统故障穿越能力提升
Enhancing Fault Ride-Through Capability of DFIG-Based WECS Using Dynamic Reconfiguration Hybrid Interlinking Transformer Technique
Jinmu Lai · Yang Liu · Xin Yin · Lin Jiang 等6人 · IEEE Transactions on Sustainable Energy · 2024年11月
电网故障引发的电压跌落、骤升和谐波等异常工况严重威胁双馈感应发电机（DFIG）风电转换系统的安全运行。为提升DFIG的故障穿越能力并优化变流器容量利用，本文提出一种基于动态重构混合互联变压器（DR-HIT）的新型DFIG风电系统。通过分析拓扑结构与工作原理，设计了多种运行模式及灵活切换策略。在电网正常时，DR-HIT工作于并联模式，通过多功能变流器与网侧变流器协同控制平抑输出功率波动；发生电压故障时，自动切换至串联模式，维持机端电压稳定；故障恢复后，灵活返回并联模式。仿真与实验结果验证了该方案在...
解读: 该研究提出的DR-HIT动态重构技术对阳光电源的储能变流器和风电变流器产品具有重要参考价值。其创新的串并联动态切换方案可应用于ST系列储能变流器的电网故障穿越控制，提升系统在电压跌落工况下的稳定性。同时，该技术的多功能变流器协同控制思路可优化PowerTitan大型储能系统的功率调节性能。此外，文中...
基于时空信息增益嵌入图结构学习的风电场群超短期功率预测
Ultra-Short-Term Prediction of Wind Farm Cluster Power Based on Embedded Graph Structure Learning With Spatiotemporal Information Gain
Mao Yang · Yunfeng Guo · Fulin Fan · IEEE Transactions on Sustainable Energy · 2024年9月
风电场群超短期功率预测对日内发电计划制定具有重要意义，但受天气系统混沌效应及信息不完整性影响，预测精度提升困难。本文提出一种融合时空信息增益（STIG）理论的风电场群嵌入图结构学习方法，基于风电场间功率波形的时空传递关系构建描述信息演化关联的图结构。提出嵌入式图注意力网络（EGAN）以学习风电场间的STIG邻接关系，并构建基于STIG距离的动态冗余节点分组策略降低建模复杂度。在中国内蒙古风电场群的应用结果表明，所提方法在各时间尺度下NRMSE、NMAE和MAPE平均降低2.63%、2.09%和2...
解读: 该风电场群超短期功率预测技术对阳光电源储能系统和智能运维产品具有重要应用价值。在PowerTitan大型储能系统中，可基于时空信息增益图结构学习实现风储联合调度的精准功率预测，优化ST系列储能变流器的充放电策略制定，提升日内发电计划准确性。嵌入式图注意力网络（EGAN）可集成至iSolarCloud...