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...

Bo Zhang · Dong Yue · Chunxia Dou · Dongmei Yuan 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月

在直流配电网络中，大量分布式资源以互联微网形式接入，以挖掘信息物理融合下的资源调节潜力。然而，物理不确定性（如出力波动）与信息不确定性（如通信拥塞）易叠加引发严重的有功功率波动。为此，分别从微网层和资源层研究基于信息物理跨空间认知与协同的有功功率控制方法。针对微网层，提出依赖潮流约束的集中式控制方法生成最优指令，并设计需求驱动的网络匹配机制保障通信可靠性；针对资源层，提出组合式容错控制策略以应对外部扰动，并设计双层优化策略支持即插即用场景下的多场景灵活调控。最后通过算例验证所提方法的有效性。

解读: 该信息物理跨空间协同控制技术对阳光电源多微网储能系统具有重要应用价值。针对PowerTitan大型储能系统的多站点协同场景，文章提出的集中式潮流约束优化方法可直接应用于ST系列储能变流器的功率分配策略，解决多储能站点间的有功功率波动问题。需求驱动的网络匹配机制可增强iSolarCloud云平台在通信...

Pei Zhang · Bin Zhang · Jinliang Yin · Jie Shi · IEEE Transactions on Sustainable Energy · 2025年7月

县域内分布式光伏电站具有显著的时空相关性，仅考虑时间相关性难以满足日前调度需求。本文提出一种基于灰色关联分析和Transformer-图卷积注意力网络（Transformer-GCAN）的县域日前功率预测方法。首先通过灰色关联度确定光伏电站间的关联关系并构建站间图结构；其次利用Transformer提取各节点时间特征，并结合图卷积网络引入图注意力机制动态捕捉空间特征；最后通过全连接网络融合时空特征实现县域总功率预测。算例结果表明，相较于Transformer-GCN模型，该方法在晴天、多云和雨天...

解读: 该县域分布式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。通过灰色关联分析构建站间拓扑结构，结合Transformer-GCAN模型捕捉时空特征，可显著提升日前功率预测精度（不同天气条件下RMSE降低11.90%-19.61%）。该方法可直接集成到iSolarClou...

Hengqi Zhang · Jie Yang · Siyuan Fan · Hua Geng 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月

随着大量分布式光伏电站并网，提升发电功率预测精度对电力系统安全经济运行具有重要意义。针对现有方法在数据稀缺与随机波动方面的挑战，本文提出一种基于生成式预训练Transformer（GPT）的超短期分布式光伏功率预测方法。通过生成多空间分辨率的虚拟光伏功率数据，预训练Transformer模型，并利用少量实测数据进行微调。注意力机制通过预训练学习历史数据中的相关性，微调实现新电站的轻量化部署与高精度预测。实验结果表明，所提方法在仅1个月实测数据下，相比LSTM、线性模型和Transformer模型...

解读: 该基于GPT的超短期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。可直接集成至SG系列光伏逆变器的智能诊断系统，通过少量实测数据实现新建电站的快速部署与高精度预测，相比传统LSTM方法RMSE降低37.22%。该技术可优化PowerTitan储能系统的充放电策略，提升...

Guiyan Liu · Yajuan Zhang · Ping Zhang · Junhua Gu · IEEE Transactions on Sustainable Energy · 2025年2月

精确且鲁棒的风电功率预测对电力系统的安全稳定运行至关重要。基于图卷积网络的混合时空预测模型因在空间特征提取方面的优势而受到广泛关注，但其性能易受数据噪声和缺失影响导致的图结构质量下降制约。本文提出一种基于时空图对比学习的混合深度学习模型，其编码器结合自适应图卷积网络与LSTM以捕捉细粒度时空依赖关系。为提升编码器对数据噪声的鲁棒性，我们在特征层和拓扑层引入数据增强，并设计了时序与空间双重视角的对比学习辅助任务。此外，通过融合静态图与可学习参数矩阵构建自适应图以捕获更全面的空间关联。在两个真实数据...

解读: 该风电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。首先可集成至ST系列储能变流器和PowerTitan系统的能量管理系统(EMS)中,提升风储联合运行的调度精度。其次,该技术的时空图对比学习方法可优化iSolarCloud平台的预测算法,提高新能源电站群的发电预测准确性。特别是其抗噪...

Imran Khan · A. S. Vijay · Suryanarayana Doolla · IEEE Transactions on Sustainable Energy · 2025年1月

随着逆变型电源渗透率的提升，提升传统发电逆变器功能并充分挖掘其潜力而不牺牲电能质量具有重要意义。本文提出一种新型自适应功率派生虚拟阻抗（PDVI）方案，结合混合比例积分-模型预测控制（PI-MPC）实现电网形成控制，确保分布式电源间精确的有功与无功功率分配。该方法在暂态和稳态下均能有效改善基波及非基波（谐波与不平衡）负载功率分配性能，无需在谐振频率处整定多个比例谐振控制器。所提PDVI策略结构简单、无需通信，且不依赖线路参数或网络结构。混合PI-MPC控制具备快速动态响应能力，并显著降低总谐波畸...

解读: 该混合PI-MPC构网控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。所提功率派生虚拟阻抗方案可直接应用于多机并联储能系统，实现无通信条件下的精确功率分配，解决阳光电源储能集群在弱电网环境下的协调控制难题。混合PI-MPC控制架构相比传统多谐振控制器显著简化参...

Boyou Jiang · Chuangxin Guo · Zhe Chen · IEEE Transactions on Sustainable Energy · 2025年1月

随着风电渗透率提高和常规机组逐步退役，风电机组（WTs）在提供稳态能量备用（ER）和频率支撑方面潜力显著。本文提出一种计及风电能量备用与虚拟惯量的频率约束调度新框架。建立了WT的ER与虚拟惯量模型，分别利用减载运行和转子动能作为能量来源；推导了考虑WT在频率谷值退出惯量响应的系统频率响应与机组功率动态；构建了以WT调频参数和转子转速为决策变量的随机优化频率约束调度模型，充分反映机械-电气耦合及暂态-稳态过程交互；采用凸包松弛、近似及深度神经网络将非线性模型转化为混合整数二阶锥规划模型。IEEE ...

解读: 该研究对阳光电源ST系列储能变流器和大型储能系统的频率调节策略具有重要参考价值。文中提出的风电虚拟惯量与能量备用协调控制框架,可迁移应用于储能系统的GFM控制,优化PowerTitan等大型储能产品的一次调频性能。特别是文中基于深度神经网络的非线性模型简化方法,有助于提升储能VSG控制的实时性能。研...

Zhipeng Yu · Jin Lin · Feng Liu · Jiarong Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月

针对高比例可再生能源电力系统深度脱碳中面临的跨日间歇性与源荷季节性失衡问题，传统调节能力受限。本文提出引入氢储能系统（HESS）与氨储能系统（AESS）逐步替代火电，构建含碳排放约束的多阶段容量扩展规划模型，采用年际 hourly 数据刻画可再生能源波动特性。结合Dantzig-Wolfe分解的改进列生成法高效求解大规模模型。基于中国实际系统研究表明：所提方法在不同可再生能源渗透率下均能保障高供电可靠性，避免典型场景法在高渗透（≥30%）下的可靠性下降问题；HESS与AESS显著降低脱碳成本，在...

解读: 该研究对阳光电源PowerTitan储能系统和ST系列储能变流器的长周期储能规划具有重要价值。文章提出的HESS（氢储能）与AESS（氨储能）协同规划方法，为阳光电源拓展季节性储能解决方案提供理论支撑。研究验证的年际hourly数据建模方法可直接应用于iSolarCloud平台的容量配置优化模块，提...

Kangyi Sun · Hongyu Zhou · Wei Yao · Yongxin Xiong 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月

相邻风电场具有显著的频率支撑潜力，其风电机组受尾流效应影响，频率支撑能力各异。为充分挖掘不同运行状态下机组的支撑潜力，本文提出一种双层分布式一致性控制方法实现风电机组协同控制：第一层为风电场内部的主从控制，第二层为风电场间的无主控制。该方法可为系统中不同机组分配差异化的功率指令，提升频率响应效果与系统稳定性。基于MATLAB/Simulink与Opal-RT实时仿真平台，对两区域系统及广水100%可再生能源系统进行分析，结果表明所提方法优于其他频率支撑策略，且能灵活应对通信中断与延迟。

解读: 该双层分布式一致性控制技术对阳光电源的储能与风电产品线具有重要应用价值。可直接应用于ST系列储能变流器的群控系统和PowerTitan大型储能场站的协同调度，优化多机组间的功率分配。该技术的分层控制架构也可借鉴应用于SG系列光伏逆变器的集群控制，提升大型新能源电站的频率支撑能力。特别是在构建高比例可...

Mao Yang · Yunfeng Guo · Fulin Fan · IEEE Transactions on Sustainable Energy · 2024年9月

风电场群超短期功率预测对日内发电计划制定具有重要意义，但受天气系统混沌效应及信息不完整性影响，预测精度提升困难。本文提出一种融合时空信息增益（STIG）理论的风电场群嵌入图结构学习方法，基于风电场间功率波形的时空传递关系构建描述信息演化关联的图结构。提出嵌入式图注意力网络（EGAN）以学习风电场间的STIG邻接关系，并构建基于STIG距离的动态冗余节点分组策略降低建模复杂度。在中国内蒙古风电场群的应用结果表明，所提方法在各时间尺度下NRMSE、NMAE和MAPE平均降低2.63%、2.09%和2...

解读: 该风电场群超短期功率预测技术对阳光电源储能系统和智能运维产品具有重要应用价值。在PowerTitan大型储能系统中，可基于时空信息增益图结构学习实现风储联合调度的精准功率预测，优化ST系列储能变流器的充放电策略制定，提升日内发电计划准确性。嵌入式图注意力网络（EGAN）可集成至iSolarCloud...

Keunju Song · Minsoo Kim · Hongseok Kim · IEEE Transactions on Sustainable Energy · 2024年8月

近年来，集成分布式能源的电力系统被用于应对气候变化，但也增加了系统的不确定性与复杂性，亟需考虑高精度的概率化预测方法。本文提出一种可扩展且对缺失数据不敏感的多站点光伏功率概率预测框架，专注于大规模光伏电站及时空数据缺失场景。所提出的基于图神经网络的随机粗粒度图注意力与概率时空学习机制，在预测精度和模型训练复杂度方面均表现优异，并能自适应地在时空域内填补缺失数据。消融实验表明，该框架能有效捕捉大规模光伏站点间的复杂时空特征。在超过1600个光伏站点及三类时空缺失数据上的实验结果显示，平均预测性能提...

解读: 该基于图神经网络的大规模光伏功率概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。可直接应用于：1）SG系列逆变器集群的功率预测与调度优化，通过时空关联建模提升多站点协同控制精度；2）PowerTitan储能系统的充放电策略制定，基于概率预测结果优化能量管理；3）智能诊断系统...

Shibo Wang · Lingguo Kong · Chao Liu · Chuang Liu 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月

针对可再生能源耦合碱性水电解（AWE）系统效率低、经济性差及适应性不足的问题，提出基于两阶段优化框架的功率-状态滚动优化策略（PSROS）。通过模块化分解大规模AWE系统，构建简化的模块级最优效率模型，并在模块与单元层级建立综合考虑产氢量、寿命损耗及利用均衡性的多目标优化模型，结合有限时域滚动机制提升调度连续性与合理性。年仿真结果表明，在无电池场景下，PSROS相较简单启停、阵列轮换和滚动策略，系统效率分别提升9.92%、11.12%、3.81%，平准化氢成本降低4.14、5.43、2.35元/...

解读: 该多电解槽协同优化技术对阳光电源光储制氢系统具有重要应用价值。PSROS策略的两阶段优化框架可直接应用于SG系列光伏逆变器与ST储能变流器协同的制氢场景，通过模块化功率分配算法提升系统效率9.92%，降低平准化氢成本4.14元/kg。其有限时域滚动优化机制与阳光iSolarCloud平台的预测性维护...

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...