找到 5 条结果 · IEEE Transactions on Sustainable Energy
基于SCADA数据的周期增强型Informer模型用于短期风电功率预测
Periodic-Enhanced Informer Model for Short-Term Wind Power Forecasting Using SCADA Data
Zhao-Hua Liu · Long-Wei Li · Hua-Liang Wei · Ming Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年4月
针对风电场SCADA系统提供的丰富运行与环境数据，提出一种周期增强型Informer模型用于短期风电功率预测。首先，采用基于v-p曲线与四分位法结合的方法滤除稀疏离群点，并利用DBSCAN算法去除功率曲线中的聚集噪声；其次，基于最大信息系数筛选多特征输入集以提升数据利用效率；进而设计时序卷积网络提取输入特征的标量投影，并融合局部与全局时间戳构建周期信息增强的嵌入层；最后，在Informer模型中引入多尺度深度融合模块，实现跨时间尺度特征的深层整合，有效避免了模型加深带来的资源浪费与过拟合问题。实...
解读: 该周期增强型Informer模型对阳光电源的智能运维和储能系统具有重要应用价值。首先，该模型的多特征输入与时序预测技术可直接应用于iSolarCloud平台的发电预测模块，提升风光储多能互补系统的调度效率。其次，模型的周期性特征提取方法可优化ST系列储能变流器的能量管理策略，特别是在PowerTit...
基于混合惩罚函数增强型D3QN算法的微网低碳经济能量管理方法
Low Carbon Economic Energy Management Method in a Microgrid Based on Enhanced D3QN Algorithm With Mixed Penalty Function
Chanjuan Zhao · Yunlong Li · Qian Zhang · Lina Ren · IEEE Transactions on Sustainable Energy · 2025年1月
本文提出一种融合混合惩罚函数的增强型 Dueling Double Deep Q Network 算法（EN-D3QN-MPF），用于微网能量管理。构建包含光伏、风力发电、储能系统、电动汽车充电站、温控负荷及价格响应负荷的新型微网模型。通过结合混合惩罚函数与D3QN强化学习，动态平衡奖励权重，实现微网低碳经济运行与用户充电满意度的协同优化。基于中国东部2019年实测数据的仿真结果表明，所提方法在能量管理性能上优于遗传算法、粒子群算法、Dueling DQN、DDQN及D3QN。
解读: 该EN-D3QN-MPF算法对阳光电源微网能量管理系统具有重要应用价值。可直接应用于PowerTitan储能系统的智能调度模块，结合ST系列储能变流器实现多时间尺度的功率优化。算法融合的混合惩罚函数机制可嵌入iSolarCloud平台，协同优化SG系列光伏逆变器出力、储能充放电策略与充电桩负荷管理，...
基于测量-策略映射矩阵的主动配电网逆变型分布式电源自适应电压控制
Adaptive Voltage Control of Inverter-Based DG in Active Distribution Networks With Measurement-Strategy Mapping Matrix
Ziqi Zhang · Peng Li · Haoran Ji · Hao Yu 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
高渗透率分布式电源（DG）加剧了主动配电网（ADN）中的电压越限问题。灵敏度反映了节点功率注入与状态变化之间的关系，可用于制定DG控制策略。然而，由于系统非线性，灵敏度的精确描述与高效应用成为关键挑战。本文提出一种基于ADN灵敏度的DG自适应电压控制策略。首先，构建测量-策略映射矩阵，利用Koopman算子生成节点电压与无功功率灵敏度的离散矩阵元素，以刻画复杂的时变灵敏度特性；进而建立基于该矩阵的自适应电压控制模型，引入提升型线性决策规则（LLDR）将离散元素转化为连续约束，实现数据驱动下的高效...
解读: 该自适应电压控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器的协同控制具有重要应用价值。基于Koopman算子的测量-策略映射矩阵可精准刻画高渗透率场景下的时变灵敏度特性，直接应用于PowerTitan大型储能系统的无功电压控制策略优化。该数据驱动方法可集成到iSolarCloud平台，实现...
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...
基于升维映射线性化的有源配电网SOP局部电压自优化控制
Self-Optimizing Local Voltage Control of SOP in Active Distribution Networks Based on Lift-Dimension Mapping Linearization
Jingrong Su · Haoran Ji · Peng Li · Hao Yu 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
分布式电源的高渗透率加剧了有源配电网的电压越限问题。软开点（SOP）凭借灵活调节能力，可通过本地功率调控有效抑制电压越限。本文提出一种数据驱动的SOP局部电压自优化控制方法，适用于标签数据稀缺场景。首先，基于升维映射线性化（LDML）构建SOP局部控制模型，刻画配网状态与控制策略间的非线性关系；进而建立自优化引导机制，生成大量带标签的训练样本。在含四端SOP的实际配电网中验证了方法的有效性，结果表明该方法仅依赖本地量测即可实现快速响应与强适应性。
解读: 该SOP局部电压自优化控制技术对阳光电源ST系列储能变流器及PowerTitan储能系统具有重要应用价值。升维映射线性化方法可直接应用于储能PCS的本地电压控制策略，通过数据驱动实现快速响应，无需依赖集中式通信，提升系统可靠性。该自优化机制可集成至iSolarCloud平台的边缘控制层，结合阳光电源...