找到 2 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...
基于气泡熵融合与SCAD正则化的鲁棒模糊认知图在光伏发电预测中的应用
Learning a Robust Fuzzy Cognitive Map Based on Bubble Entropy Fusion With SCAD Regularization for Solar Power Generation
Shoujiang Li · Jianzhou Wang · Hui Zhang · Yong Liang · IEEE Transactions on Sustainable Energy · 2025年2月
精确可靠的光伏功率预测对智能电网的经济调度与稳定运行至关重要。针对太阳能固有的间歇性、非平稳性和随机性导致现有方法难以满足高精度预测需求的问题，本文提出一种结合气泡熵与平滑截断绝对偏差（SCAD）正则化的模糊认知图（FCM）预测方法（BesFCM）。该方法利用气泡熵融合两种模态分解技术以增强光伏数据特征的稳定性与判别性，构建融合模糊逻辑、神经网络与专家系统的FCM模型，并引入高阶SCAD正则化学习机制抑制过拟合，提升模型鲁棒性与泛化能力。实验结果表明，该方法在比利时多区域、多采样间隔的光伏数据集...
解读: 该鲁棒模糊认知图预测技术对阳光电源iSolarCloud智能运维平台和PowerTitan储能系统具有重要应用价值。其气泡熵融合与SCAD正则化方法可显著提升光伏功率预测精度，直接优化SG系列逆变器的MPPT算法和功率预测模块。在储能侧，精准的发电预测能改进ST系列储能变流器的充放电策略，降低备用容...