找到 5 条结果 · IEEE Transactions on Sustainable Energy
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...
一种端到端集成学习方法以提升风电功率预测
An End-to-End Ensemble Learning Approach for Enhancing Wind Power Forecasting
Yun Wang · Houhua Xu · Yaohui Huang · Fan Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
精确的风电功率预测对电网稳定性和可靠高效的电力供应至关重要。针对现有集成模型多阶段建模易导致误差累积、训练低效及基学习器数量有限造成预测多样性不足的问题，本文提出MG-DS模型。该模型基于Dempster-Shafer证据理论，将基模型学习与集成学习统一于端到端框架中，包含全MLP非线性特征提取、GRU与交叉注意力基预测生成，以及基于DS理论的自集成模块，并引入“放大镜”机制增强预测多样性。此外，提出DS自集成（DSSE）插件以融合RNN与非RNN基预测器。在五个风电数据集上的实验验证了MG-D...
解读: 该端到端集成学习预测方法对阳光电源储能与风电产品线具有重要应用价值。MG-DS模型的高精度功率预测可直接应用于ST系列储能变流器的调度优化和PowerTitan储能系统的容量规划。其'放大镜'机制和DS自集成技术可提升iSolarCloud平台对风电场功率预测的准确性,有助于优化储能调度策略。该技术...
含多台集成式双馈感应风力发电机的电力系统吸引域估计
Region of Attraction Estimation for Power Systems With Multiple Integrated DFIG-Based Wind Turbines
Yang Liu · Huanjin Yao · Pengyu Di · Yingjie Qin 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
针对含多台双馈感应风力发电机（DFIGWT）的电力系统缺乏适用建模方法，导致其吸引域（ROA）边界解析描述尚未充分研究的问题，本文提出一种包含多台DFIGWT的电力系统常微分方程（ODE）模型。该机电模型在单机无穷大系统和改进的3机9节点系统中验证，与完整模型轨迹比较的均方根误差低于9.5%，能准确捕捉低频动态特性。通过非线性坐标变换将其转化为多项式微分代数方程（DAE）模型，并采用基于平方和规划的改进扩展内点算法（EIA）估计ROA。在含多台DFIGWT与同步发电机的测试系统中验证了模型可行性...
解读: 该研究对阳光电源的储能与风电产品线具有重要参考价值。文中提出的多DFIG建模方法可用于优化ST系列储能变流器的并网控制策略,特别是在大规模风储联合并网场景中。通过吸引域(ROA)估计技术,可提升PowerTitan储能系统的暂态稳定性控制性能,为GFM/GFL控制算法优化提供理论支撑。研究成果可直接...
稀疏数据驱动建模与MTDC系统最优直流电压控制
Sparse Data-Driven Modeling and Optimal DC Voltage Control of MTDC System
Jun-Soo Kim · Young-Jin Kim · IEEE Transactions on Sustainable Energy · 2025年3月
本文提出一种基于数据驱动的模型预测控制（MPC）策略，用于电压源换流器（VSC）构成的多端高压直流（MTDC）系统中的最优直流电压调节。该方法采用稀疏非线性动力学识别（SINDYc）技术构建精确描述VSC电网侧非线性动态特性的数据驱动模型，并利用伪随机二进制信号（PRBS）采集训练数据。在多种训练条件下验证了SINDYc模型的准确性与鲁棒性，并与传统方法进行了对比。基于该模型设计的MPC算法可有效抑制直流电压偏差并恢复至额定运行点。仿真结果表明，在时变风电输入条件下，所提MPC策略显著提升了MT...
解读: 该研究提出的数据驱动MPC控制策略对阳光电源的储能与光伏产品线具有重要参考价值。SINDYc建模方法可优化ST系列储能变流器和PowerTitan系统的电压控制性能,提升大规模储能系统的并网稳定性。其稀疏建模思路可用于改进SG系列逆变器的电网侧控制算法,增强产品在弱电网条件下的适应性。特别是在高渗透...
一种端到端集成学习方法以提升风电功率预测精度
An End-to-End Ensemble Learning Approach for Enhancing Wind Power Forecasting
Yun Wang · Houhua Xu · Yaohui Huang · Fan Zhang 等8人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出MG-DS模型，基于Dempster-Shafer证据理论实现端到端集成学习，融合MLP特征提取、GRU与交叉注意力生成多样化基预测，并引入DSSE插件协同RNN与非RNN模型，在5个风电数据集上显著提升预测精度。
解读: 该研究提出的MG-DS端到端集成预测框架可直接赋能阳光电源风电变流器的智能功率预测模块，提升其iSolarCloud平台在风电场侧的短期功率预测精度，支撑ST系列PCS与风电变流器的AGC/AVC协同调度。建议将DSSE插件集成至iSolarCloud风功率预测引擎，适配现有SCADA数据流；同时为...