找到 63 条结果
基于高效参数更新规则的有限数据概率风力发电预测
Probabilistic Wind Power Forecasting With Limited Data Based on Efficient Parameter Updating Rules
Zichao Meng · Ye Guo · IEEE Transactions on Power Systems · 2024年8月
本文提出了一种基于元优化器的有限历史数据下概率风电功率预测（WPF）方法，包括离线训练和在线自适应过程。在离线训练部分，首先通过元训练基于长短期记忆网络（LSTM）构建一个风电功率预测元优化器，随后利用该元优化器在有限历史数据场景下有效训练概率预测模型。这种基于元训练的过程实现了直接从风电功率数据中学习概率风电功率预测算法。在在线自适应部分，通过在线更新策略使离线训练的预测模型不断适应新收集的风电功率数据，进一步提高其性能。在此过程中，还基于这些在线数据更新风电功率预测元优化器，为预测模型的参数...
解读: 该风电预测方法对阳光电源的储能和智能运维产品线具有重要应用价值。在ST系列储能系统中,可用于优化充放电策略和容量配置;在iSolarCloud平台中,可提升风电场发电预测精度,为运维决策提供更可靠支撑。特别是针对新建风电场数据有限的场景,该方法通过在线参数更新机制,能快速提升预测准确度,有助于提高储...
基于时空图对比学习的风电功率预测
Spatiotemporal Graph Contrastive Learning for Wind Power Forecasting
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...
选择有效的NWP集成方法以实现基于深度学习的光伏功率预测
Selecting effective NWP integration approaches for PV power forecasting with deep learning
Dayin Chenab · Xiaodan Shie · Mingkun Jiang · Shibo Zhuab 等8人 · Solar Energy · 2025年11月 · Vol.301
准确预测光伏发电功率对于可靠的能源调度和系统运行至关重要。尽管深度学习模型在该领域已展现出强大的能力，但如何有效地将数值天气预报（NWP）数据融入此类模型仍然是一个具有挑战性的问题。在本研究中，我们提出并系统评估了五种不同的NWP集成策略——分别称为方法1至方法5——以提升光伏发电预测性能。这些方法在14种代表性模型和四个预测时间范围（4、24、72和144步）上进行了测试，涵盖了短期、中期和长期预测场景。实验结果表明，每种集成方法的有效性取决于模型结构和预测时间范围。特别是，在短期预测中，方法...
解读: 该研究系统评估了五种NWP数值天气预报与深度学习模型的集成策略,对阳光电源iSolarCloud智慧运维平台的光伏功率预测模块具有直接应用价值。研究发现Method 5适配LSTM短期预测、Method 4适配Transformer长期预测的结论,可优化SG系列逆变器的发电预测算法。精准的多时间尺度...
一种考虑非线性动态行为的功率MOSFET剩余使用寿命数据驱动预测方法
A Data-Driven Remaining Useful Life Prediction Method for Power MOSFETs Considering Nonlinear Dynamical Behaviors
作者未知 · IEEE Transactions on Electron Devices · 2025年2月
近年来，功率金属氧化物半导体场效应晶体管（MOSFET）的 prognostics and health management（PHM）技术正受到越来越多的关注。目前已经开发并应用了多种方法来对功率 MOSFET 进行寿命预测。然而，当前大多数研究似乎在全面理解非线性动态退化过程方面存在局限性。单一参数导向的预测方法可能会忽略退化过程中更深层次的动态行为。此外，这些方法无法处理诸如突然上升等异常退化路径。鉴于这些局限性，本文开发了一种考虑非线性动态行为的数据驱动预测方法。为了分析非线性和混沌特性...
解读: 从阳光电源的业务视角来看，这项针对功率MOSFET的剩余寿命预测技术具有重要的战略价值。功率MOSFET作为光伏逆变器和储能变流器中的核心开关器件，其可靠性直接影响系统的稳定运行和全生命周期成本。 该研究的创新之处在于突破了传统单参数预测方法的局限性，通过相空间重构和李雅普诺夫指数等非线性动力学工...
基于改进长短期记忆网络与数据驱动预测控制的电动汽车能量管理
Energy management of electric vehicles based on improved long short term memory network and data-enabled predictive control
Bin Chen · Guo He · Lin Hu · Heng Li 等7人 · Applied Energy · 2025年4月 · Vol.384
摘要 作为混合储能系统（HESS）电动汽车中一种流行的能量管理策略（EMS），模型预测控制（MPC）易受现有参数建模方法在模型精度和参数敏感性方面的影响。本文提出了一种基于分层数据驱动预测控制的新型EMS。上层采用优化的长短期记忆（LSTM）网络进行轨迹预测，从而为下层获取具有成本效益的负载功率需求。在下层，针对HESS提出了一种数据驱动预测控制（DeePC）方法，以实现电池与超级电容器之间的最优功率分配，并最小化电池容量衰减。与传统的MPC不同，DeePC基于仅从HESS的输入-输出数据构建的...
解读: 该分层数据驱动预测控制技术对阳光电源储能系统具有重要应用价值。论文提出的DeePC方法无需精确参数建模,仅依赖输入输出数据即可实现电池-超级电容混合储能的最优功率分配,相比传统MPC降低运行成本22.68%。该技术可直接应用于ST系列PCS的能量管理策略优化,通过LSTM网络预测负荷需求,结合Dee...
面向抵御FDIAs与通信中断的弹性广域阻尼控制的实时信息物理联合仿真
Real-Time Cyber-Physical Co-Simulation for Resilient Wide-Area Damping Control Against FDIAs and Communication Disruptions
Kundan Kumar · Priyesh Saini · Abhineet Prakash · Sanjoy K. Parida 等6人 · IEEE Transactions on Industry Applications · 2025年5月
将可再生能源（RESs）整合到现代电力系统中带来了诸多挑战，其中最紧迫的是需要一个能够精确复现这些复杂系统复杂动态的仿真平台。本文介绍了基于实时网络物理测试床硬件在环联合仿真（RTCPTC - HIL）方法的实施情况和结果，旨在评估所提出的含高压直流输电（HVDC）的广域阻尼控制器（WADC）在缓解大规模可再生能源接入电力系统区间振荡方面的有效性。该测试床集成了用于系统建模的OPAL - RT OP4510和用于控制器开发与测试的OP8665，并通过物理连接和TCP/IP实现实时通信。此外，广域...
解读: 从阳光电源的业务视角来看，这项研究对我们在新能源并网控制和系统稳定性领域具有重要参考价值。论文提出的实时信息物理联合仿真平台与广域阻尼控制器（WADC）技术，直接对应我们在大规模光伏电站并网、储能系统协调控制以及新能源电力系统解决方案中面临的核心挑战。 该技术的核心价值体现在三个层面：首先，针对可...
基于GPT的超短期分布式光伏发电功率预测方法
An Ultra-Short-Term Distributed Photovoltaic Power Forecasting Method Based on GPT
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...
使用深度学习方法预测锂离子电池健康状态退化
Lithium-Ion Battery State of Health Degradation Prediction Using Deep Learning Approaches
Talal Alharbi · Muhammad Umair · Abdulelah Alharbi · IEEE Access · 2025年1月
及时预测锂离子电池健康状态对电池管理和寿命至关重要。传统集中式深度学习模型显示良好结果，但因需在单个节点收集和训练数据引发数据隐私担忧。本研究通过利用集中式即深度学习和分散式即联邦学习方法应对该挑战进行健康状态预测。使用包含充放电循环的NASA电池数据集进行模型训练和评估。集中式方法使用三种深度学习架构：1D卷积神经网络、CNN加长短期记忆网络和CNN加门控循环单元。1D CNN模型性能最佳展示强大预测能力，因此分散式学习即联邦学习中1D CNN模型与联邦平均技术在五个客户端使用，允许本地训练无...
解读: 该联邦学习电池诊断技术对阳光电源储能系统数据安全具有重要价值。阳光管理的大规模储能电站涉及海量电池数据，数据隐私和安全是核心关切。该联邦学习方法可在不上传原始数据的情况下实现全局模型优化，阳光可将该技术应用于BMS系统，实现跨电站的电池健康状态模型协同训练，提升诊断精度同时保护用户数据隐私，符合数据...
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...
考虑时空特征的自适应编解码模型用于分布式光伏电站短期功率预测
Adaptive Encoder-Decoder Model Considering Spatio-Temporal Features for Short-Term Power Prediction of Distributed Photovoltaic Station
Xun Dou · Yehang Deng · Shunjiang Wang · Tianfeng Chu 等6人 · IEEE Transactions on Industry Applications · 2024年1月
考虑到运维成本和技术的影响，分布式光伏电站群内部通常缺乏足够的气象观测设备。所采集气象数据的偏差以及软硬件限制导致的光伏功率数据误差，将直接导致模型预测精度降低。为解决这一问题，本文提出一种具有自适应时空编解码结构的分布式光伏功率短期预测方法，该方法能够适应不同数据输入和不同天气条件下的预测需求，提高预测精度。首先，利用随机森林算法（RF）和皮尔逊相关系数（PCC）对特征重要性进行排序，选取关键输入数据。其次，提出一种基于长短期记忆网络（LSTM）和时空注意力机制（STA）的时空特征编解码模型，...
解读: 从阳光电源的业务视角来看，这项基于自适应时空编解码器的分布式光伏短期功率预测技术具有显著的战略应用价值。 **业务协同价值：**该技术直击分布式光伏电站运维痛点——气象观测设备不足导致的预测精度下降问题。对于阳光电源的智慧能源管理系统而言，精准的功率预测是实现光储协同优化的基础。通过LSTM与时空...
基于动态参数的物理信息神经网络用于短期光伏功率预测：融合物理信息与数据驱动
Dynamic-parameter physics-informed neural networks for short-term photovoltaic power prediction: Integrating physics-informed and data driven
Weiru Wanga · Hanyang Guoa · Shaofeng Liub · Yechun Xina 等6人 · Applied Energy · 2025年12月 · Vol.401
为了克服传统混合预测模型中物理约束刚性以及样本不平衡的局限性，本文提出了一种基于动态参数物理信息神经网络（DP-PINN）的新型短期光伏（PV）功率预测框架。基于牛顿-拉夫森优化的K-means++（NBRO-Kmeans++）算法将天气划分为四种类型，与标准K-means++相比，轮廓系数提升了6.6%至45.8%。采用合成少数类过采样技术（SMOTE）对少数类样本进行动态平衡，在该情况下使均方根误差（RMSE）降低了50.5%。物理方程根据天气类型进行动态调整，三重约束损失函数融合了数据拟合...
解读: 该DP-PINN动态物理信息神经网络技术对阳光电源iSolarCloud智慧运维平台及SG系列光伏逆变器具有重要应用价值。通过天气分类与SMOTE样本平衡,极端天气下RMSE降低50.8%,可显著提升光伏电站功率预测精度。其动态参数优化机制(光电转化效率η、温度系数α可学习)与阳光电源MPPT优化技...
基于回声状态网络的实时误差补偿迁移学习以增强风力发电预测
Real-time Error Compensation Transfer Learning with Echo State Networks for Enhanced Wind Power Prediction
Yingqin Zhua · Yue Liub · Nan Wangc · Zhao Zhao Zhang 等5人 · Applied Energy · 2025年2月 · Vol.379
准确的风力发电预测对于高效的能源管理和电网稳定至关重要，能够帮助能源供应商平衡供需、优化可再生能源的集成、降低运行成本并提高电力系统的可靠性。回声状态网络（Echo State Network, ESN）由于其结构简单且训练速度快，被广泛应用于非线性动态系统的建模。然而，在处理高阶非线性复杂性时，ESN容易产生系统误差，导致模型精度下降。为克服这一问题，本文提出了误差补偿迁移学习回声状态网络（Error Compensation Transfer Learning Echo State Netw...
解读: 该ETL-ESN风电预测技术对阳光电源储能系统具有重要应用价值。其2秒快速训练和95%以上精度提升可显著优化ST系列PCS的能量管理策略和PowerTitan储能系统的充放电调度。实时误差补偿机制可增强iSolarCloud平台的预测性维护能力,提升新能源并网稳定性。迁移学习方法为不同机型的GFM/...
一种基于演化多分位数长短期记忆神经网络的超短期光伏功率概率预测混合模型
A novel hybrid model based on evolving multi-quantile long and short-term memory neural network for ultra-short-term probabilistic forecasting of photovoltaic power
Jianhua Zhu · Yaoyao He · Applied Energy · 2025年1月 · Vol.377
摘要 概率预测在消除光伏发电不确定性方面具有极其重要的作用。由于具备强大的泛化能力，分位数回归长短期记忆神经网络（QRLSTM）被广泛认为是光伏发电概率预测中颇具前景的方法。然而，这类模型对每个分位数单独进行训练，忽略了不同分位数之间的相关性与单调性约束，且多次训练导致计算复杂度过高。此外，由分位数回归产生的不可微分的分位损失函数对优化算法提出了较高要求。为解决上述问题，本文提出一种基于演化分布混沌粒子群优化算法（EDCPSO）优化的多分位数LSTM（MQLSTM）模型，以实现高质量的光伏发电概...
解读: 该超短期光伏功率概率预测技术对阳光电源SG系列逆变器及iSolarCloud平台具有重要应用价值。MQLSTM多分位点神经网络可集成至智能运维系统,实现光伏出力的概率区间预测,优化MPPT控制策略。结合ST系列储能变流器,可基于预测置信区间动态调整充放电计划,提升能量管理精度。EDCPSO优化算法的...
基于未来三天逐时辐射预测的PV/T集热器多种运行策略研究
Multiple operational strategies investigations of the PV/T collectors based on 3 days ahead hourly radiation prediction
Shiqian Donga · Yanqiang Dib · Yafeng Gaoa · He Longc 等8人 · Applied Energy · 2025年1月 · Vol.377
摘要 PV/T集热器是一种先进的光伏光热一体化技术，能够实现太阳能全光谱利用。PV/T集热器的能量收益不仅依赖于精密的设备设计，还与运行调控条件密切相关。本文基于未来三天逐时水平面太阳总辐射预测模型，结合鲸鱼优化算法（WOA），对混合运行策略进行了分析。结果表明，为期三天的变倾角运行策略效果不理想。当地面反射率从0.4变化到0.95时，月累计辐射量相对提高了8%；地面反射率每增加5%，平均可带来0.45%的性能提升。反射板长边与宽边的最优比例分别为0.9和0.6，可使热能增益和电能增益分别提高8...
解读: 该PV/T光热光伏一体化运行优化研究对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要参考价值。研究基于3天辐照预测的多混合策略可使热增益和电增益分别提升17.76%和13.61%,这与阳光电源MPPT优化技术和预测性维护理念高度契合。LSTM-Attention预测模型(R²达94%...
基于灰狼优化与LSTM预测结合蒙特卡洛不确定性分析的太阳能-地热能集成多联产系统热力学分析与性能提升：以特内里费岛为例
Thermodynamic analysis and performance enhancement of an integrated solar–geothermal polygeneration system using grey wolf optimization and LSTM-based forecasting with Monte Carlo uncertainty analysis: A case study on Tenerife Island
Ali Shokri Kalan · Mohammadreza Babaei Khuyinrud · Farshad Jahangiri · Ramin Ahmadi 等7人 · Applied Energy · 2025年12月 · Vol.401
全球变暖和化石燃料供应限制凸显了可持续能源选择的必要性。基于可再生能源的系统为实现碳中和提供了途径，但由于间歇性问题而面临可靠性挑战。本研究探讨了特内里费岛整合太阳能与地热能的潜力。提出了一种新型混合系统，该系统结合了聚光太阳能发电、地热能资源以及由以下组件构成的能量利用系统：超临界CO₂循环、溴化锂-水吸收式制冷系统、多效蒸馏脱盐装置、三级有机朗肯循环和质子交换膜电解槽。该系统可同时生产电力、供热、制冷、淡水和氢气，其基准能量效率和㶲效率分别为62%和17%。系统的产出速率分别为：7844 k...
解读: 该多能互补系统研究对阳光电源ST储能系统与SG逆变器协同优化具有重要参考价值。灰狼算法优化使能效提升21%、火用效率提升38%,可应用于iSolarCloud平台的多能源协调控制策略。LSTM预测模型结合蒙特卡洛不确定性分析,可增强储能系统在间歇性可再生能源场景下的调度可靠性。系统集成制氢、制冷、淡...
基于Transformer网络和专家优化器的小时级风电功率预测深度学习模型
A Deep Learning Model Using Transformer Network and Expert Optimizer for an Hour Ahead Wind Power Forecasting
Anushalini Thiyagarajan · B. Sri Revathi · Vishnu Suresh · IEEE Access · 2025年2月
精准的风电功率预测对可再生能源平台运行至关重要,可帮助电力系统更好地管理供应并保证电网可靠性。本文提出一种新型改进型孪生Transformer网络模型,采用多注意力机制增强对不同输入序列的关注能力,更好地捕捉风电预测的长期依赖关系。采用自适应山地瞪羚优化器对PID控制器参数进行微调,实现最小均方误差和THD。在1500kW容量的实时数据集上测试,MST-Net能够紧密跟踪实际功率趋势。
解读: 该深度学习预测技术可集成到阳光电源智慧风电云平台。通过Transformer架构实现高精度小时级风电功率预测,优化风电场能量管理和电网调度策略,降低弃风率,提升风电并网的经济性和可靠性,为大规模风电接入提供精准的功率预测支持。...
基于I-V曲线成像与双流深度神经网络的光伏系统遮挡类型及严重程度诊断
Shading type and severity diagnosis in photovoltaic systems via I-V curve imaging and two-stream deep neural network
Zengxiang Hea · Hong Cai Chen · Shuo Shan · Yihua Hu 等6人 · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 遮挡是光伏（PV）系统中最常见的异常现象之一，会导致功率损失和热点效应。目前大多数研究仅能实现遮挡检测，而无法进一步诊断遮挡的类型和严重程度。本文提出了一种结合I-V曲线成像与双流深度神经网络（DNN）的有效方法，用于诊断遮挡类型，并估计实际运行光伏系统中五种常见遮挡类型的严重程度。该方法首先对光伏组串的I-V曲线进行重采样，并转换至标准测试条件（STC），以消除数据尺度和环境因素对遮挡诊断结果的影响。随后，采用一种称为格拉米安角和场（Gramian angular summation f...
解读: 该阴影诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。通过I-V曲线成像与双流深度神经网络,可实现阴影类型识别与严重程度量化评估,弥补现有MPPT优化技术仅能检测异常但无法精准诊断的不足。建议将GASF时序成像与LSTM-CNN融合算法集成至智能运维平台,结合组串级...
基于数值天气数据驱动的光伏数字孪生传感器数据生成：一种混合模型方法
Numerical Weather Data-Driven Sensor Data Generation for PV Digital Twins: A Hybrid Model Approach
Jooseung Lee · Jimyung Kang · Sangwoo Son · Hui-Myoung Oh · IEEE Access · 2025年1月
随着全球对环保政策的重视，可再生能源系统广泛应用，光伏（PV）系统因其易管理性备受青睐，而数字孪生（DT）技术则用于实现实时监控与管理。本文提出一种基于数值天气预报（NWP）数据的新型传感器数据生成模型，结合LSTM与GAN构建混合数据驱动框架，并引入融合Transformer的TransTimeGAN以捕捉15分钟级变化特征。模型在自研PV DT系统数据上训练验证，实验结果显示其在均方误差（7.84e-3）、动态时间规整（1.3769）、KL散度（0.9591）和标准差相似性（0.9671）等...
解读: 该混合数字孪生技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。TransTimeGAN模型可基于NWP数据生成15分钟级高精度传感器数据，弥补实际电站传感器缺失或故障场景，为MPPT算法优化提供完整数据支撑。在PowerTitan储能系统中，该技术可实现光储协同...
可再生能源驱动的膜技术：集成太阳辐照度预测用于光伏驱动苦咸水淡化系统的预测控制
Renewable energy powered membrane technology: Integration of solar irradiance forecasting for predictive control of photovoltaic-powered brackish water desalination system
Martin Ansong · Emmanuel O.Ogunniyi · Blanca Pérez Jiméneza1 · Bryce S.Richards · Applied Energy · 2025年12月 · Vol.401
摘要 太阳辐照度（SI）的波动会扰乱光伏（PV）发电系统的输出功率，导致直接耦合的光伏驱动膜法脱盐系统出现运行不稳定和非预期停机，从而降低产水率、水质和能源效率。传统的基于储能的缓解策略会增加系统成本和复杂性。基于天空成像的SI预测技术能够分析天空状况，并提供长达15分钟的SI预测，为减少功率波动影响提供了替代方案，且无需过度依赖储能系统。本研究将一种基于图像的太阳辐照度预测系统（SIFS）集成至一套光伏驱动的苦咸水脱盐系统中。该SIFS采用卷积神经网络-长短期记忆（CNN-LSTM）模型，利用...
解读: 该光伏预测控制技术对阳光电源SG系列逆变器与ST储能系统集成具有重要价值。研究通过CNN-LSTM模型实现15分钟光照预测,可与我司MPPT优化算法协同,提升直驱式光伏系统稳定性。建议将天空成像预测技术集成到iSolarCloud平台,结合VSG虚拟同步发电机控制策略,在减少储能配置的同时优化功率波...
通过深度学习和混合安全模型缓解智能信息物理电力系统的网络风险
Mitigating Cyber Risks in Smart Cyber-Physical Power Systems Through Deep Learning
M. A. S. P. Dayarathne · M. S. M. Jayathilaka · R. M. V. A. Bandara · V. Logeeshan 等6人 · IEEE Access · 2025年2月
智能电网中可再生能源集成的兴起带来新网络安全挑战，促使本研究检验智能信息物理电力系统CPPS的脆弱性。风能和太阳能等可再生能源集成到智能电网因其分散和可变特性带来运行风险，特别是在实时监控和控制所需的通信层内。虽然可再生能源集成增加不直接影响网络安全脆弱性，但主要挑战源于其分散性。解决这种分散需要在供需之间使用网络层，为电力系统控制和通信系统引入网络威胁脆弱性。这些层易受虚假数据注入FDI、拒绝服务DoS和重放攻击等多样化网络攻击，可能危及电网稳定性和安全性。为应对这些风险，研究提出混合方法，集...
解读: 该网络安全技术对阳光电源智慧能源平台安全防护至关重要。阳光iSolarCloud云平台连接海量光伏储能设备，面临虚假数据注入和拒绝服务等网络攻击威胁。该研究的深度学习异常检测方法可集成到阳光云平台安全体系，实现实时威胁识别和防御。在电网侧储能场景下，网络攻击可能导致储能系统误动作，影响电网稳定。该C...
第 3 / 4 页