Yueteng Xie · Fangming Deng · Wenxiang Luo · Bo Gao 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月

在动态气象条件下，风电机组群的功率预测面临尾流效应时空耦合的挑战。本文提出一种考虑尾流效应时空动态耦合的风电场功率预测方法。通过融合风机空间分布与实时气象数据构建动态图网络，实现尾流传播路径的自适应表征。设计双驱协同框架，在时空维度嵌入物理规律约束，缓解数据驱动模型在极端工况下的物理失真问题。构建时空解耦特征增强架构，捕捉风机间空间关联及多时间尺度气象特征。实验结果表明，该方法显著提升预测精度。

解读: 该风电场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。其时空耦合建模方法可优化ST系列储能变流器的调度策略，提升PowerTitan大型储能系统在风光储多能互补场景下的运行效率。尾流效应动态预测技术可集成到iSolarCloud平台，增强新能源电站群的功率预测精度，为储能调度和电网调峰...

Qianwen Hu · Gengfeng Li · Bingkai Huang · Qiming Yang 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月

受气候条件影响的可变性可再生能源（RES）导致季节性电力供需失衡。氢储能（HES）的合理配置可缓解由负荷变化、气候变异及季节性气象条件引起的长期电力不匹配问题。针对传统单一不确定性集合难以刻画不同季节RES在长期气候影响下的不确定性特征，本文提出一种融合年际长期与季节性波动的混合三层次规划框架，结合分布鲁棒优化（DRO）与自适应鲁棒优化（ARO）。通过范数约束构建典型气候下RES概率分布模糊集，并采用数据驱动DRO处理长期不确定性；基于RES季节性气象特征建立多不确定性集合，利用ARO重构最坏场...

解读: 该氢储能混合三层次优化配置技术对阳光电源PowerTitan大型储能系统及ESS集成方案具有重要应用价值。针对可再生能源季节性波动问题，所提出的DRO与ARO融合框架可直接应用于ST系列储能变流器的容量配置优化，特别是在光储氢多能互补场景中，能够精准应对长期气候不确定性与季节性负荷波动。该方法可增强...

Wei Zhang · Hang Sun · Jiyuan Gao · Gangui Yan 等5人 · IEEE Transactions on Sustainable Energy · 2025年7月

精确的风电功率预测对电力系统安全经济运行至关重要。然而，在过渡天气条件下，风速等气象变量的预测误差增大，导致输入噪声增加，降低预测模型可靠性。本文分析气象输入变量的误差传播机制，提出一种提升过渡天气下短期风电预测精度的策略。首先通过多维气象变量波动特征识别过渡天气时段，进而构建稀疏变分高斯过程（SVGP）与含噪输入高斯过程（NIGP）相结合的两阶段模型，将含噪输入分解为真实数据与噪声并独立建模。通过考虑输入噪声在风电预测中的传播过程并进行修正，SVGP-NIGP模型显著提高了确定性预测精度与区间...

解读: 该风电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。特别是在ST系列储能变流器和风电变流器中,可将SVGP-NIGP预测模型集成到控制算法中,提升系统在过渡天气下的调度精度。通过对气象预测误差的量化与修正,可优化PowerTitan储能系统的充放电策略,提高新能源-储能联合运行效率。该技术还可...

Jiawei Zhang · Xiaoyan Bian · Yudan Gu · Qibin Zhou 等6人 · IEEE Transactions on Sustainable Energy · 2024年10月

近年来，厄尔尼诺-南方涛动（ENSO）引发的极端天气对高比例可再生能源电力系统造成显著影响，导致源荷间出现季节性电力失衡。为此，本文提出一种考虑ENSO事件的高比例可再生能源系统季节性储能（SES）容量优化配置模型。首先，构建考虑ENSO事件的源荷不匹配评估模型，采用Spearman相关系数分析ENSO指数与源荷数据的相关性，并基于三种共享社会经济路径（SSPs），利用改进的随机森林回归算法（RFRA）以ENSO指数和相关气象指标为输入建立预测模型，进而计算各SSP下的源荷不平衡量；其次，建立以...

解读: 该季节性储能容量优化配置技术对阳光电源PowerTitan大型储能系统和ESS集成方案具有重要应用价值。研究提出的考虑ENSO极端气候事件的源荷不匹配评估模型，可直接应用于ST系列储能变流器的容量规划策略，通过Spearman相关性分析和改进随机森林算法预测长周期功率波动，为储能系统EMS能量管理提...

Tao Jing · Shanlin Chen · David Navarro-Alarcon · Yinghao Chu 等5人 · IEEE Transactions on Sustainable Energy · 2024年10月

太阳能预测是缓解间歇性光伏发电对电网负面影响的有效技术。尽管已有多种深度学习方法用于太阳辐照度预测，但在超短期区域预测中，多模态特征的自动选择与综合融合研究仍显不足。本文提出SolarFusionNet，一种融合自动多模态特征选择与跨模态数据融合的新型深度学习模型。该模型设计了两类自动特征选择单元，分别提取多通道卫星图像与多变量气象数据的关键特征，并采用三种循环层捕捉长期依赖关系。特别地，引入高斯核卷积长短期记忆网络以提取光流云运动场中的稀疏特征。进一步提出基于物理逻辑依赖的分层多头跨模态自注意...

解读: 该多模态太阳辐照度预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。SolarFusionNet融合卫星图像与气象数据的4小时超短期预测能力（技能达37.4%-47.6%），可直接应用于SG系列光伏逆变器的MPPT算法优化，提前调整功率跟踪策略；对PowerTitan储能系统的能...