找到 5 条结果 · IEEE Transactions on Sustainable Energy
考虑预测不确定性的电池储能系统最优管理以实现削峰和电池健康
Optimal BESS Management for Peak Load Shaving and Battery Health Under Prediction Uncertainty
Lixin Li · Tim Kappler · Bernhard Schwarz · Nina Munzke 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
在现代电力系统中，为缓解可再生能源出力波动，部署电池储能系统（BESS）日益重要。然而，可再生能源与负荷预测的不确定性给BESS运行优化带来挑战。本文提出一种新颖的随机模型预测控制（SMPC）框架，兼顾削峰负荷与电池健康，并有效应对预测不确定性。该框架采用长短期记忆（LSTM）神经网络进行预测，并结合约束收紧技术构建滚动时域随机优化问题。基于德国某企业负荷数据的仿真结果表明，相比传统模型预测控制（MPC），该方法额外降低峰值取电功率99 kW（5.8%），验证了其处理不确定性的优势。
解读: 该SMPC框架对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的LSTM预测结合约束收紧技术可直接集成到iSolarCloud云平台的智能调度模块，提升储能系统在工商业削峰场景下的经济性。相比传统MPC额外降低5.8%峰值功率的效果，可优化ST2236/250...
面向预测不确定性的电池储能系统最优管理：削峰与电池健康协同优化
Optimal BESS Management for Peak Load Shaving and Battery Health Under Prediction Uncertainty
Lixin Li · Tim Kappler · Bernhard Schwarz · Nina Munzke 等7人 · IEEE Transactions on Sustainable Energy · 2025年7月 · Vol.17
本文提出一种结合LSTM预测与约束收紧的随机模型预测控制（SMPC）框架，用于提升BESS在负荷削峰与电池健康间的协同优化能力。在德国某企业实测负荷下，相较传统MPC降低峰值取电5.8%（99 kW），显著增强不确定性下的鲁棒性。
解读: 该研究高度契合阳光电源ST系列PCS及PowerTitan大型储能系统的智能能量管理需求。其LSTM+SMPC框架可直接嵌入iSolarCloud平台，提升用户侧/电网侧储能的削峰精度与循环寿命。建议将SMPC算法模块化集成至ST5000/6300KTL PCS的本地EMS中，并适配PowerTit...
融合人工智能与基于物理的建模用于极端高温事件下的长期级联水电调度
Integrated Artificial Intelligence and Physics-Based Modeling for Long-Term Cascaded Hydropower Scheduling under Extreme Heat Events
Maryam Baghkarvasef · Masood Parvania · IEEE Transactions on Sustainable Energy · 2025年6月
极端热浪事件对水电站运行构成严峻挑战。本文结合人工智能与基于物理的模型，提出一种高效的长期调度框架，旨在极端高温期间最大化水力发电量。所提出的模型生成的水价值可用于指导短期调度策略制定。构建了考虑陆-气相互作用的物理蒸发模型（PEM），以刻画极端高温下水库蒸发量的变化，并采用多变量长短期记忆（M-LSTM）模型预测PEM及调度所需的关键输入参数。通过回归型机器学习算法拟合水电出力函数，实现了非线性、非凸特性的线性化集成。案例研究涵盖哥伦比亚河上11个级联水电站，结果表明该模型能有效优化水库调度，...
解读: 该研究的AI-物理混合建模方法对阳光电源PowerTitan储能系统与水光互补项目具有重要应用价值。其M-LSTM多变量预测模型可移植至iSolarCloud平台，用于极端气候下的储能系统热管理与功率预测，优化ST系列储能变流器的散热策略与功率调度。物理蒸发模型的陆-气耦合思路可启发储能电站的热力学...
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...
基于时空图对比学习的风电功率预测
Spatiotemporal Graph Contrastive Learning for Wind Power Forecasting
Guiyan Liu · Yajuan Zhang · Ping Zhang · Junhua Gu · IEEE Transactions on Sustainable Energy · 2025年2月
精确且鲁棒的风电功率预测对电力系统的安全稳定运行至关重要。基于图卷积网络的混合时空预测模型因在空间特征提取方面的优势而受到广泛关注，但其性能易受数据噪声和缺失影响导致的图结构质量下降制约。本文提出一种基于时空图对比学习的混合深度学习模型，其编码器结合自适应图卷积网络与LSTM以捕捉细粒度时空依赖关系。为提升编码器对数据噪声的鲁棒性，我们在特征层和拓扑层引入数据增强，并设计了时序与空间双重视角的对比学习辅助任务。此外，通过融合静态图与可学习参数矩阵构建自适应图以捕获更全面的空间关联。在两个真实数据...
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先可集成至ST系列储能变流器和PowerTitan系统的能量管理系统(EMS)中,提升风储联合运行的调度精度。其次,该技术的时空图对比学习方法可优化iSolarCloud平台的预测算法,提高新能源电站群的发电预测准确性。特别是其抗噪...