找到 110 条结果
电动汽车电池SOC和SOH估计的数据驱动方法综述
Data-Driven Approaches for Estimation of EV Battery SoC and SoH: A Review
Shahid Gulzar Padder · Jayesh Ambulkar · Atul Banotra · Sudhakar Modem 等6人 · IEEE Access · 2025年1月
电动汽车EV技术已在交通行业奠定坚实基础。荷电状态SoC和健康状态SoH的精确评估对解决EV中的续航焦虑和意外故障问题至关重要。本文检查各种方法，包括库仑计数CC和开路电压OCV等传统方法、先进滤波器方法和现代数据驱动方法。讨论不同方法的广泛评估以及优缺点识别。使用机器学习算法的数据驱动估计在复杂电池管理系统中展现卓越准确性和适应性。电压、电流、时间和温度VCTT等外部电池参数以及阻抗和超声波数据等内部电池参数是数据驱动方法的主要组成部分。本研究中机器学习算法在预测和维持电动汽车电池寿命方面展现...
解读: 该SOC和SOH估计综述对阳光电源BMS技术路线规划有全面参考价值。阳光车载OBC和储能BMS需要准确的SOC/SOH估计算法。数据驱动方法相比传统方法的优势支持阳光引入机器学习技术。VCTT外部参数和阻抗内部参数的综合应用与阳光多传感器融合策略一致。该综述强调持续进步和开创性技术的必要性，可指导阳...
基于优化卷积长短期记忆模型的智能电网异常检测
Anomaly Detection on Smart Grids With Optimized Convolutional Long Short-Term Memory Model
Ahmad N. Alkuwari · Saif Al-Kuwari · Abdullatif Albaseer · Marwa Qaraqe · IEEE Access · 2025年1月
数字技术融入传统电力系统提升了电网效率和可持续性,将传统电网转型为智能电网。然而,这一转型也引入新的脆弱性,如虚假数据注入攻击,可导致严重的能源盗窃。据估计这类攻击每年造成电力供应商约1010亿美元损失。本文提出一种基于优化轻量级卷积长短期记忆模型的智能电网异常检测方法,针对七种多分类标记的虚假数据注入攻击进行检测,在分类这些攻击时达到91.3%的高准确率。
解读: 该智能电网异常检测技术可应用于阳光电源智慧能源管理平台的安全监控。通过深度学习模型检测虚假数据注入攻击,保护ST系列储能系统和SG系列光伏逆变器的数据安全,预防能源盗窃和电网欺诈行为,提升智能电网的安全性和可靠性,为工商业储能和分布式光伏提供网络安全保障。...
基于机器学习辅助设计具有较低重组能的聚合物用于有机太阳能电池中的给体和受体材料
Machine learning assisted designing of polymers with lower reorganization energies for the possible use as donor and acceptors for organic solar cells
Ejaz Hussain · Mohamed Mohamed Soliman · Salah Mohamed El Bahy · Sumaira Naeem 等5人 · Solar Energy · 2025年1月 · Vol.286
摘要 本研究提出了一种基于机器学习（ML）技术精确预测重组能描述符的新方法，这些描述符对于优化有机太阳能电池的性能至关重要。传统方法在准确估算这些描述符方面存在局限性，从而影响了有机光伏器件的可靠性和效率。所采用的基于人工智能（AI）的方法为理解这些描述符提供了定量依据，显著增强了预测和优化有机太阳能电池效率的能力。本研究利用断裂逆向合成有趣化学子结构（BRICS）方法系统地生成了新型聚合物。通过AI驱动的预测模型对电子和空穴重组能进行了预测，揭示了其常见的取值范围和分布规律。本研究展示了AI驱...
解读: 该机器学习辅助有机光伏材料设计研究对阳光电源具有前瞻性参考价值。虽然当前SG系列逆变器主要适配晶硅组件,但研究中的AI驱动材料优化方法论可迁移至功率器件领域:通过机器学习预测SiC/GaN器件的载流子重组特性,优化ST系列PCS和三电平拓扑中的开关损耗。BRICS分子设计思路亦可启发模块化电路拓扑创...
基于计算智能的无人机集成光伏模块在结冰条件下的建模
Computational Intelligence-Based Modeling of a UAV-Integrated PV Module in Icing Conditions
MohammadHosein Saeedinia · Shamsodin Taheri · Ana-Maria Cretu · IEEE Journal of Photovoltaics · 2025年9月
太阳能无人机通过利用太阳能延长续航能力并降低维护成本，但飞行中结冰会显著影响其气动性能及光伏系统的运行可靠性。机翼结冰削弱机械性能，而光伏表面结冰则阻碍光照，导致输出参数下降，尤其是非均匀遮挡危害更大。本文提出一种新型建模方法，将非均匀结冰影响纳入辐照度计算，通过分析冰层对光伏方程的影响，将光伏工作曲线划分为结冰与正常两个区域，并采用先进计算智能方法确定参数。结合最小冗余最大相关性技术，利用训练的机器学习模型预测动态恶劣条件下光伏性能，实验验证了该方法的有效性与可靠性。
解读: 该研究针对极端结冰环境下光伏组件性能建模，对阳光电源高纬度及高海拔地区部署的SG系列光伏逆变器具有重要参考价值。非均匀结冰导致的局部遮挡与热斑效应，可直接应用于优化MPPT算法，提升极端工况下的功率跟踪精度。基于机器学习的动态性能预测方法，可集成至iSolarCloud智能运维平台，实现结冰风险预警...
基于图神经网络的电动汽车充电负荷预测与需求响应优化
A Comprehensive Review on Next-Generation Modeling and Optimization for Semiconductor Devices
Pratikhya Raut · Deepak Kumar Panda · Amit Kumar Goyal · IEEE Access · 2025年1月
电动汽车大规模接入对电网负荷管理提出新挑战,精准的充电负荷预测是需求响应优化的基础。本文提出基于图神经网络的充电负荷预测模型,捕捉充电站之间的时空关联性,结合需求响应策略实现充电负荷的削峰填谷。
解读: 该充电负荷预测技术可应用于阳光电源充电桩和储能系统的协同优化。通过智能预测和需求响应策略,优化充储一体化系统的能量调度,降低电网峰值负荷,提升充电基础设施的经济性,为光储充一体化解决方案提供智能调度支持。...
基于可迁移代理模型与多目标优化的高效LDMOS设计
Efficient LDMOS Design via Transferable Surrogate Models and Multi-Objective Optimization
Hongyu Tang · Chenggang Xu · Xiaoyun Huang · Yuxuan Zhu 等6人 · IEEE Electron Device Letters · 2025年7月
优化横向双扩散金属氧化物半导体（LDMOS）性能需要在硅极限约束下平衡击穿电压（BV）和比导通电阻（<inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\text {R}_{\text {on},\text {sp}}$ </tex-math></inline-formula>）。...
解读: 从阳光电源的业务视角来看，这项基于机器学习的LDMOS优化技术具有重要的战略价值。LDMOS（横向双扩散金属氧化物半导体）器件是光伏逆变器和储能变流器中功率转换电路的核心元件，其击穿电压与导通电阻的平衡直接影响系统的效率、可靠性和成本。 该技术的核心创新在于利用深度神经网络替代传统TCAD仿真，将...
集成多层感知器和支持向量回归增强锂离子电池健康状态估计
Integrating Multilayer Perceptron and Support Vector Regression for Enhanced State of Health Estimation in Lithium-Ion Batteries
Sadiqa Jafari · Jisoo Kim · Wonil Choi · Yung-Cheol Byun · IEEE Access · 2025年1月
准确评估电池健康状态SOH对保证电动汽车EV安全可靠运行至关重要。本文提出新策略解决传统SOH测量方法中复杂预处理和大量数据需求的困难。利用先进机器学习算法提出全面SOH预测方法。方法包括细致数据准备,分析电压、电流和温度等关键运行因素。利用超参数优化微调的支持向量回归SVR和多层感知器MLP模型。使用均方根误差RMSE、均方误差MSE和R平方评估模型。为提高预测准确性,使用随机森林RF元模型将这些模型组合成堆叠集成,R²达0.987,MAE为0.02559,MSE为0.0013,RMSE为0....
解读: 该SOH估计技术对阳光电源电池管理系统BMS产品线有重要应用价值。阳光车载OBC和储能BMS需要高精度SOH估计来优化电池使用和延长寿命。SVR和MLP集成模型可集成到阳光BMS算法中,提高SOH估计准确性。超参数优化方法对阳光机器学习算法开发有借鉴意义。该研究验证的高R²值和低误差率,证明集成学习...
基于AI驱动的低能耗物联网协议优化用于可扩展高效智慧医疗系统
AI-Driven Optimization of Low-Energy IoT Protocols for Scalable and Efficient Smart Healthcare Systems
Salma Rattal · Abdelmajid Badri · Mohamed Moughit · El Miloud Ar-Reyouchi 等5人 · IEEE Access · 2025年1月
物联网IoT承诺超连接世界，集成数十亿设备。低能耗通信协议对延长资源受限IoT设备电池寿命和确保高效数据交换至关重要。本文提出新型AI驱动优化框架，增强智慧医疗应用中协议的能效、可扩展性和适应性。与以往孤立优化协议的工作不同，本研究全面分析BLE、Zigbee、Thread、LoRa、Sigfox、NB-IoT、Wi-SUN和Weightless等协议，突出优缺点。该框架利用机器学习ML、强化学习RL和深度学习DL等先进AI技术优化传输距离、数据速率和功耗等关键指标。定量评估显示性能和权衡的显著...
解读: 该物联网协议优化技术对阳光电源分布式设备通信系统有应用价值。阳光户用光伏和储能系统中大量传感器和控制器需要低功耗长距离通信。AI优化的LoRa和NB-IoT协议可提升阳光监控设备的通信效率和电池寿命。强化学习自适应协议参数的方法可应用于阳光iSolarCloud平台的设备连接优化。该研究关注的功耗、...
一种低惯量电力系统中快速频率响应储备定容的在线方法
An Online Approach for Dimensioning Fast Frequency Response Reserve in a Low Inertia Power System
Akhilesh Panwar · Zakir Hussain Rather · Ariel Liebman · Roger Dargaville 等5人 · IEEE Transactions on Power Systems · 2024年7月
随着同步发电容量逐步退出及非同步电源比例上升，系统惯量下降导致频率失稳问题日益突出，传统慢速备用难以有效抑制频率跌落，亟需配置快速频率响应储备（FFR）。本文提出一种在线框架，用于量化现有光伏电站可提供的FFR容量。该框架采用基于机器学习的回归模型，预测不同运行条件下系统的频率变化率（RoCoF）和频率最低点，评估频率安全性，并分析网络阻抗与备用接入位置对频率改善的影响。结合系统安全与电气距离信息，提出聚类方法以避免过度采购FFR。算例表明，所提方法可在保障频率安全的前提下显著降低所需FFR容量...
解读: 该FFR在线定容技术对阳光电源ST系列储能系统和SG光伏逆变器产品线具有重要应用价值。研究提出的基于机器学习的RoCoF和频率最低点预测模型，可集成至iSolarCloud平台实现智能FFR容量规划，避免储能系统过度配置。其聚类方法结合电气距离优化备用布局，可指导PowerTitan储能系统在电网中...
GMFLDA：基于图卷积网络的lncRNA-疾病关联预测改进方法
GMFLDA: Improved Prediction of lncRNA-Disease Association via Graph Convolutional Network
Kwangsu Kim · Jihwan Ha · IEEE Access · 2025年1月
随着多种异构网络的快速发展，整合多源结构以捕捉实体间与实体内关系的需求日益增长。基于网络的方法在节点标签预测与潜在关联挖掘中表现出色，广泛应用于推荐系统、基因互作及lncRNA-疾病关联预测等领域。本文提出GMFLDA，一种融合图卷积网络与深度矩阵分解的机器学习框架。该模型利用GCN提取lncRNA与疾病的高保真特征表示，并通过多层感知机实现深度矩阵分解以推断潜在关联。实验结果显示，该模型在留一法和五折交叉验证中AUC分别达0.9183与0.9057，性能优于五种前沿方法，展现出卓越的预测能力，...
解读: 该图卷积网络与深度矩阵分解融合方法对阳光电源智能运维体系具有重要借鉴价值。其多源异构网络整合思路可应用于iSolarCloud平台的故障预测：通过构建设备-故障-环境参数的多层关联网络，利用GCN提取SG光伏逆变器、ST储能变流器的运行特征，结合矩阵分解推断潜在故障模式。该方法的高保真特征提取能力可...
物理信息机器学习在太阳能热能系统中的应用
Physics-Informed machine learning for solar-thermal power systems
Julian D.Osorioa1 · Mario De Florioab1 · Rob Hovsapian · Chrys Chryssostomidis 等5人 · Energy Conversion and Management · 2025年1月 · Vol.327
摘要 传统的热能系统建模依赖于实验关联式，通过无量纲数和热物理性质来估算传热系数。针对不同的流动状态、系统几何结构和边界条件，已提出了多种关联式；然而，尽管这些关联式被广泛使用，它们在精度、适用流动状态范围以及对复杂系统几何结构的适应性方面仍存在显著局限性。此外，由间歇性可再生能源（如太阳能）驱动的系统由于传热系数和系统变量的剧烈波动，面临更大的挑战。在本研究中，我们从根本上改变了这一传统范式。我们展示了一种经过实验验证的、基于物理信息的机器学习方法，能够准确估计在能量输入、边界条件和负载具有高...
解读: 该物理信息机器学习技术对阳光电源光储系统具有重要价值。针对光伏间歇性导致的热管理波动问题,可应用于PowerTitan储能系统和ST系列PCS的热设计优化,实时预测功率器件温度场分布,替代传统经验公式。结合iSolarCloud平台,可实现SiC/GaN器件的预测性热管理,提升系统可靠性。该方法突破...
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...
基于数据挖掘与机器学习的钙钛矿及有机太阳能电池最优材料搜索
Data-mining and machine learning based search for optimal materials for perovskite and organic solar cells
Nafees Ahm · Mahmoud A. A. Ibrahim · Shaban Rushdy Moustafa Say · Syed Shoaib Ahmad Shah 等6人 · Solar Energy · 2025年1月 · Vol.287
摘要 提出了一种基于数据挖掘的方法，用于搜索适用于光伏应用的有机化合物。从含有较低空穴转移重组能的有机化合物数据库中筛选有机半导体材料。选取三种聚合物给体作为标准结构，用于在数据库中搜索相似材料。采用机器学习预测能级，作为筛选最佳光伏材料的判据。使用分子指纹对机器学习模型进行训练。共尝试了40多种机器学习模型，其中随机森林模型表现最优（训练集和测试集的决定系数r-squared分别为0.800和0.609）。该机器学习模型被用于预测新材料的能级。同时预测了所选有机半导体材料的合成可及性，所有这些...
解读: 该机器学习材料筛选技术对阳光电源SG系列光伏逆变器及组件选型具有重要参考价值。通过数据挖掘优化钙钛矿和有机太阳能电池材料,可提升光伏组件转换效率,直接增强逆变器MPPT优化效果。随机森林模型预测能级的方法可应用于iSolarCloud平台,建立材料性能数据库,为1500V高压系统的组件匹配提供智能决...
面向不确定环境下电力系统决策的决策导向学习
Decision-Focused Learning for Power System Decision-Making Under Uncertainty
Haipeng Zhang · Ran Li · Qintao Du · Junyi Tao 等6人 · IEEE Transactions on Power Systems · 2025年8月
更精确的预测未必带来更优的决策。为此，决策导向学习（DFL）被提出，通过以决策损失替代传统统计损失，构建端到端的学习范式。近年来，DFL在电力系统中有所应用，但现有研究仍零散，缺乏系统的方法论梳理与比较基准。本文通过情景、分类、应用与对比分析，揭示统计精度与运行决策间的内在错配，建立基于模型结构（直接/间接）与梯度处理（基于/无需梯度）的DFL方法体系，综述现有应用，并开发开源基准平台，采用成本降低、预测精度和决策速度等电力指标评估模型性能，最后指出应用挑战并展望未来方向，为推动DFL向电网定制...
解读: 决策导向学习技术对阳光电源储能系统和智能运维平台具有重要应用价值。在PowerTitan大型储能系统中，可将DFL应用于充放电策略优化，通过直接优化运行成本而非预测精度，提升电网调峰调频的经济性。对于ST系列储能变流器，该方法可优化功率分配决策，在不确定性环境下降低决策损失。在iSolarCloud...
优化住宅能源成本：一种基于启发式电价信号调度的太阳能光伏与电动汽车集成的新型机器学习方法
Optimizing Residential Energy Costs: A Novel Machine Learning Approach for Solar PV and EV Integration Through Heuristic Price Signal Dispatch
Muhammad Irfan · Tayyab Tahir · Shujuan Huang · Sara Deilami 等5人 · IEEE Transactions on Industry Applications · 2025年1月
将太阳能光伏（PV）系统与电动汽车（EV）技术相结合，正逐渐成为一种可持续且前景广阔的方法，可用于应对不断增长的能源需求、减轻环境影响，并减少住宅和交通领域的碳排放。本研究聚焦于澳大利亚悉尼地区并网“光伏 + 电动汽车”系统的住宅应用，着重强调了将双向电动汽车电池与屋顶光伏系统结合使用的益处。除了系统顾问模型（SAM）软件工具中依赖手动调度和削峰分析的启发式价格信号调度算法外，本研究还采用了机器学习方法领域内一种新颖的基于 Q 学习的模型（QLBM）算法，以增进对系统动态的理解。这种新方法旨在通...
解读: 从阳光电源的业务视角来看，这篇论文所探讨的"光伏+电动汽车"双向能量管理技术具有重要的战略参考价值。该研究基于Q学习算法的能量调度优化方案，与我司在智能能源管理系统（EMS）领域的技术路线高度契合，为光储充一体化解决方案的智能化升级提供了新思路。 论文的核心价值在于通过机器学习算法实现动态价格响应...
数据驱动方法在太阳能预测中的研究综述
A review on data-driven methods for solar energy forecasting
Nifat Sultan · Narumasa Tsutsumid · Applied Energy · 2025年1月 · Vol.400
摘要 太阳能光伏发电已成为增长最快的电力生产技术之一，对无碳能源的生产做出了重要贡献。为了充分挖掘其潜力并确保电网的高效集成，精确的太阳能预测技术至关重要。本文通过一项针对2013年至2022年间发表的1323篇研究论文的深入文献计量分析，系统地评述了全球在太阳能预测研究领域的学术贡献。在此基础上，对其中75篇具有重要影响力的文献进行详细考察，揭示了预测方法的发展脉络与当前研究现状。我们评估了统计模型、机器学习、深度学习以及混合模型的应用情况，并分析了它们在不同时间尺度和地理环境下的预测性能。分...
解读: 该综述揭示的深度学习混合预测模型对阳光电源iSolarCloud平台具有重要价值。通过集成机器学习算法可使ST储能系统的充放电策略优化提升20%以上精度,增强电网友好性。深度学习方法可应用于SG逆变器的MPPT算法优化,结合气象参数实现更精准的发电功率预测。混合模型架构为GFM/VSG控制策略提供前...
基于OT-IRM算法的棒-板长间隙操作冲击击穿电压海拔校正
Altitude Correction of Switching Impulse Breakdown Voltage for Rod-Plane Long-Gap Based on OT-IRM Algorithm
Bingxue Yang · Yujian Ding · Xiaoxu Ma · Zhanhui Lu 等6人 · IEEE Transactions on Power Delivery · 2024年12月
随着海拔升高，空气间隙的绝缘强度降低。目前，间隙放电研究主要集中于低海拔区域，缺乏高海拔电气设备外绝缘设计的实验与理论支持。本文通过在55 m、2500 m和4300 m海拔下开展棒-板长间隙操作冲击放电实验，获取了不同海拔下的放电特性曲线。针对实验数据分布特点，提出基于最优传输的不变性风险最小化神经网络集成算法（OT-IRM），构建了适用于多海拔的击穿电压预测模型。模型在测试集上的平均误差为2.3%，表现出高精度与良好泛化能力。计算结果与现有海拔校正方法及其他机器学习模型对比，验证了其有效性。...
解读: 该高海拔绝缘击穿电压预测技术对阳光电源高原地区产品部署具有重要价值。针对PowerTitan储能系统和SG系列光伏逆变器在西藏、青海等高海拔电网的应用，OT-IRM算法可优化设备外绝缘设计，指导母线间隙、开关柜空气绝缘距离的海拔校正系数制定。该方法结合气象条件的泛化能力，可应用于ST系列储能变流器的...
完全数据驱动且模块化的建筑热控制与物理一致性建模
Fully data-driven and modular building thermal control with physically consistent modeling
Mina Montazeria1 · Carl Remlingerb1 · Benjamin Bejar Haro · Philipp Heer · Applied Energy · 2025年1月 · Vol.390
摘要 机器学习在智能建筑领域经历了显著的发展，无论是在建筑建模还是能源管理方面均是如此。数据驱动方法利用可获得的测量数据，绕过基于物理模型的缓慢且昂贵的校准过程，从而提供更高的适应性、更低的维护成本以及更大的灵活性。然而，这些模型的质量依赖于历史数据，而新建建筑可能缺乏足够的历史数据。本文提出了一种从温度建模到供暖控制完全数据驱动的模块化方法，在将控制器从源建筑迁移到目标建筑时仅需少量数据。该控制器由两个模块组成：一个深度强化学习代理，用于管理期望的室内温度；以及一个针对每个房间特定的执行动作映...
解读: 该模块化数据驱动控制技术对阳光电源储能系统(ST系列PCS、PowerTitan)及充电站热管理具有重要价值。其深度强化学习架构可迁移至储能温控优化,仅需少量现场数据即可适配不同容量电池簇的热管理策略。物理一致性建模思路可融入iSolarCloud平台,实现储能系统26%以上能耗优化。模块化acti...
基于拓扑数据分析和图神经网络的供应链金融信用风险评估新型混合模型
A Novel Hybrid Model for Credit Risk Assessment of SCF Based on TDA and GNN
Kosar Farajpour Mojdehi · Babak Amiri · Amirali Haddadi · IEEE Access · 2025年1月
能源领域供应链金融SCF因需要可持续高效金融解决方案管理供应商、金融机构和能源公司等利益相关方间复杂互动而成为关键关注领域。本研究提出新型混合拓扑数据分析TDA和图神经网络GNN优化SCF信用风险评估。通过利用BallMapper拓扑数据分析模型和基于网络的特征，所提模型对信用风险因素提供更深入见解，增强中小企业信用风险评估准确性和可靠性。结果表明所提BallMapper-图神经网络BM-GNN模型达到更高准确率和F1分数，优于传统机器学习方法。值得注意的是，将基于网络的特征与财务比率结合在信用...
解读: 该信用风险评估技术对阳光电源供应链金融和客户信用管理具有应用价值。阳光在新能源项目融资和设备租赁场景需要精准的信用风险评估。该研究的图神经网络和拓扑分析方法可集成到阳光金融服务平台，分析客户网络关系和财务数据，识别潜在风险。在光伏储能项目开发中，该技术可评估EPC总包商和业主的信用状况，降低项目风险...
基于参数优化的AC感知直流最优输电切换问题
AC-Informed DC Optimal Transmission Switching Problems via Parameter Optimization
Babak Taheri · Daniel K. Molzahn · IEEE Transactions on Power Systems · 2025年6月
最优输电切换（OTS）问题通过联合优化线路通断状态与发电机出力以降低运行成本。结合交流潮流模型的非线性与线路状态的离散变量，使得AC-OTS成为计算困难的混合整数非线性规划问题。为应对该挑战，常采用直流潮流近似将其转化为混合整数线性规划（DC-OTS），但其在交流模型下常导致次优或不可行解。本文提出一种增强型DC-OTS模型，通过优化直流潮流参数，使其有功潮流逼近交流最优潮流中的视在功率分布，从而更准确刻画线路阻塞特性。数值结果表明，所提方法显著提升切换决策精度，在交流模型下评估时最高可降低44...
解读: 该AC感知DC-OTS优化技术对阳光电源PowerTitan大型储能系统及iSolarCloud智能运维平台具有重要应用价值。在电网侧储能场景中，该方法可优化储能系统参与电网拓扑重构时的充放电策略：通过参数优化的DC潮流模型快速计算线路切换方案，同时保证AC模型下的可行性，避免传统DC近似导致的功率...
第 3 / 6 页