找到 2 条结果 · IEEE Transactions on Sustainable Energy
一种基于卫星图像与时间序列多模态学习的鲁棒光伏功率预测方法
A Robust Photovoltaic Power Forecasting Method Based on Multimodal Learning Using Satellite Images and Time Series
Kai Wang · Shuo Shan · Weijing Dou · Haikun Wei 等5人 · IEEE Transactions on Sustainable Energy · 2024年11月
超短期光伏功率预测对提升电网稳定性具有重要意义。现有基于卫星图像的方法多依赖像素级预测，效率低且冗余，而深度学习模型难以建立大尺度云特征与光伏发电之间的关联。本文提出一种端到端的多模态学习模型，直接融合卫星图像与时间序列实现多步光伏功率预测。采用ConvLSTM-RICNN编码感兴趣区域内的云层动态特征，并提出DCCA-LF融合策略，将深度典型相关分析引入晚期融合以增强跨模态特征对齐，有效抑制噪声与缺失数据影响。基于澳大利亚Alice Springs地区BP Solar与Himawari-8卫星...
解读: 该多模态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。其超短期预测能力可直接集成至SG系列光伏逆变器的智能诊断系统，通过卫星云图与历史数据融合实现15分钟至4小时功率预测，为MPPT算法提供前瞻性优化依据。对于PowerTitan储能系统，该技术可优化充放电策略制定，...
一种促进稀疏性的自适应调节方法用于并网太阳能光伏系统的数据驱动建模与控制
Adaptive Regulated Sparsity Promoting Approach for Data-Driven Modeling and Control of Grid-Connected Solar Photovoltaic Generation
Zhongtian Zhang · Javad Khazaei · Rick S. Blum · IEEE Transactions on Sustainable Energy · 2024年9月
本文提出一种基于稀疏性促进的新型统计学习方法，用于太阳能光伏（PV）系统的数据驱动建模与控制。针对传统稀疏回归在候选函数增多时计算复杂度高的问题，设计了自适应调节稀疏回归（ARSR）算法。该方法为各状态变量自适应调节候选函数的超参数权重，提升模型精度，并有效剔除动态模型中的无关项。基于实测数据，建立了单级和两级PV系统的开环与闭环模型，并用于控制器设计。此外，该方法还可用于故障分析，展现出优于其他数据驱动技术的能力。实时仿真验证了所提方法的有效性。
解读: 该自适应稀疏回归建模技术对阳光电源SG系列光伏逆变器和ST储能变流器的控制优化具有重要价值。其数据驱动建模方法可直接应用于iSolarCloud平台的智能诊断模块，通过实测运行数据快速建立系统动态模型，无需复杂物理建模。稀疏性促进算法能有效识别关键控制变量，优化MPPT算法和并网控制策略，提升GFL...