找到 166 条结果
一种集成多源数值天气预报的短期非参数概率光伏功率预测两阶段集成学习框架
A Two-Stage Ensemble Learning Framework for Short-Term Nonparametric Probabilistic Photovoltaic Power Forecasting Integrating Multi-Source Numerical Weather Predictions
Hanting Zhao · Yao Zhang · Wei Huo · Fan Lin 等5人 · IEEE Transactions on Power Systems · 2025年9月
利用数值天气预报（NWP）进行短期太阳能功率概率预测（SSPPF）已被证明是一种提高太阳能整合与利用效率的有效方法。然而，大多数现有的SSPPF研究仅采用单源NWP，忽略了多源NWP在提高概率预测准确性和稳健性方面的潜在优势。本文提出了一种用于SSPPF的改进两阶段集成学习预测框架（ITS - ELFF）。ITS - ELFF将多源NWP作为关键的外部协变量，以生成多步分位数预测。在第一阶段，一组稳健且多样的基学习器提供初始分位数预测。在第二阶段，一个元学习器整合所有基学习器的分位数预测，以生成...
解读: 该两阶段集成学习框架对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。通过融合多源NWP数据的非参数概率预测，可显著提升光伏电站功率预测精度，优化MPPT算法的前瞻性控制策略。在PowerTitan储能系统中，高精度概率预测能改进充放电调度决策，提升削峰填谷效果和电网...
基于卫星图像纹理特征与迁移学习的区域光伏功率预测优化高效方法
An efficient approach for regional photovoltaic power forecasting optimization based on texture features from satellite images and transfer learning
Yang Xi · Jianyong Zheng · Fei Mei · Gareth Taylor 等5人 · Applied Energy · 2025年1月 · Vol.385
准确高效的区域光伏发电功率预测对于提升光伏电力供应的稳定性并扩大其市场份额至关重要。近年来的研究进展已将卫星与地面观测数据的特征相结合，基于混合神经网络的模型展现出优异的预测性能。然而，仍存在若干挑战：直接从卫星图像中提取的空间特征往往缺乏细节，且大多数现有预测方法需要大量电力数据样本。因此，在云量变化速率较高的情况下，预测精度易受相位滞后的影响，同时由于区域光伏装置数量庞大且分布分散，计算负担也显著增加。为解决上述问题，本研究提出一种创新的时空特征，该特征将从卫星图像重构的纹理特征（TFs）与...
解读: 该区域光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过卫星图像纹理特征与迁移学习结合,可显著提升SG系列逆变器集群的功率预测精度(RMSE提升72%)并降低相位滞后,特别适用于分布式光伏电站管理。该算法计算效率提升10倍,可与ST储能系统协同优化充放电策略,减少云层...
基于LSTM-XGBoost模型的光伏电站短期功率预测
Short-term power prediction of photovoltaic power station based on LSTM-XGBoost model
Chenyang Zhua · Yibo Tua · Qingya Weia · Yue Zanga 等11人 · Solar Energy · 2025年1月 · Vol.300
摘要 目前，由于太阳能本身具有变异性与不确定性，受天气条件、一天中的时间以及季节变化等因素影响，光伏发电功率的精确预测仍是一个重大挑战。传统的预测模型往往难以捕捉数据中复杂的时序依赖关系和非线性关系，导致预测精度不理想。为应对这些挑战，本文提出一种新颖的混合方法，结合深度学习与集成学习的优势。采用长短期记忆网络（LSTM）提取时间序列数据中的动态特征，通过捕获短期和长期依赖关系，提供对时序信息的稳健表征。极端梯度提升算法（XGBoost）则利用其强大的非线性建模能力和特征选择技术进一步优化预测结...
解读: 该LSTM-XGBoost混合预测模型对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过捕捉光伏发电的时序依赖性和非线性特征,可显著提升ST系列PCS的功率预测精度,优化PowerTitan储能系统的充放电策略。模型的SHAP可解释性分析有助于增强预测性维护能力,提升SG系...
基于精细化多状态建模的电池储能系统可靠性指标与评估
Refined multi-state modeling based battery energy storage system reliability indicators and evaluation
Xiaohe Yan · Jialiang Li · Nian Liu · Applied Energy · 2025年1月 · Vol.393
准确评估电池储能系统（BESS）的可靠性对于提高其运行效率、延长使用寿命以及降低维护成本具有重要意义。可靠性指标是实现BESS可靠性评估的关键环节。然而，当前的可靠性指标大多从BESS的整体角度出发进行设定，忽略了内部电池性能的退化过程，难以适用于大容量、多单元、拓扑结构复杂的BESS。因此，本文提出了一种基于BESS精细化多状态模型的可靠性指标体系及综合评价方法。首先，考虑电池单体的性能衰减，建立了基于电池单体健康状态（SOH）的多状态模型，并通过算子分裂的递归通用生成函数（UGF）方法将其扩...
解读: 该电池储能系统多状态可靠性建模技术对阳光电源ST系列PCS及PowerTitan储能解决方案具有重要应用价值。论文提出的基于电芯SOH的精细化多状态模型和'良好-衰减-风险-缺陷-故障'五级分类体系,可直接应用于阳光电源大容量储能系统的健康管理。结合iSolarCloud平台的预测性维护功能,该可靠...
基于多物理量融合图自编码器网络的质子交换膜燃料电池非均匀反应预测
Prediction of non-uniform reactions in PEMFC based on the multi-physics quantity fusion graph auto-encoder network
Pulin Zhang · Diankai Qiu · Linfa Peng · Applied Energy · 2025年1月 · Vol.383
摘要 为了满足高功率输出的需求，大面积的质子交换膜燃料电池（PEMFCs）已成为研究的重点。然而，在实际应用中，燃料电池内部的非均匀反应难以避免，这会导致性能下降以及电堆寿命缩短。了解燃料电池内部物理量分布的变化规律，并准确预测其未来的内部状态，对于燃料电池的控制与维护至关重要。本文提出了一种多物理量融合图自编码器网络（MP-GAE），该模型是一种针对燃料电池性能及多物理场分布的瞬态预测模型，重点考虑了反应时间、空间位置以及多个物理场之间的耦合关系。基于图注意力机制和时序网络，构建了分段时序图注...
解读: 该PEMFC多物理场预测技术对阳光电源氢能业务具有重要借鉴价值。论文提出的MP-GAE时空预测模型可应用于我司燃料电池系统的智能运维:1)非均匀反应预测算法可集成至iSolarCloud平台,实现电堆性能衰减的预测性维护;2)多物理场耦合分析方法可优化燃料电池DC/DC变换器的动态响应控制策略;3)...
基于多图神经网络辅助双域Transformer的风力发电时空预测
Spatiotemporal forecasting using multi-graph neural network assisted dual domain transformer for wind power
Guolian Hou · Qingwei Li · Congzhi Huang · Energy Conversion and Management · 2025年1月 · Vol.325
摘要 准确预测风力发电量对于风电场的运行与维护决策至关重要。随着风电机组规模和容量的不断增加，综合考虑时间与空间特征已成为提高预测精度的关键。本文提出一种新颖的多步风力发电时空预测方法，该方法采用多图神经网络辅助的双域Transformer模型。具体而言，为充分表征风电机组之间的异质依赖关系，通过注意力机制构建多种关系图并将其融合为统一图结构。随后，设计了时空融合模块（STFM），结合图卷积网络与一维卷积神经网络，以同时捕捉时间与空间特征。此外，提出了时频双域Transformer（DDform...
解读: 该时空多图神经网络风电预测技术对阳光电源储能系统具有重要应用价值。可集成至iSolarCloud平台,为风储耦合场景下的ST系列PCS提供精准功率预测支撑,优化储能充放电策略。多步预测能力(10分钟至6小时)与PowerTitan储能系统的能量管理周期高度契合,可提升风储协同调度精度。其时频双域Tr...
意大利全境基于光伏并网制氢厂的氢气平准化成本最新研究视角
An up-to-date perspective of levelized cost of hydrogen for PV-based grid-connected power-to-hydrogen plants across all Italy
A.Ademoll · M.Calabres · Carlo Carcasci · Applied Energy · 2025年1月 · Vol.379
摘要 绿色氢能在能源部门脱碳方面具有巨大潜力，但高昂的生产成本仍是主要障碍。本研究对基于光伏的并网制氢厂进行了全面的技术-经济-金融-环境分析，目标是满足意大利全境具有持续氢气需求的难减排行业。利用真实小时级数据，采用自主开发的基于规则的多能系统模拟器（MESS），并结合遗传算法进行电站最优规模设计。研究旨在最小化氢气平准化成本（LCOH），同时满足绿色氢气激励政策的监管框架要求。关键结果表明，在供给侧灵活性方面，氢气储存比电池储能更具优势；最优光伏与电解槽容量比在意大利南部为1.8，在北部为2...
解读: 该研究对阳光电源光储制氢系统集成具有重要参考价值。研究表明光伏-电解槽最优配比为1.8-2.1,氢储能优于电池储能,这为SG系列逆变器与电解槽协同优化提供依据。研究中的多能源系统仿真器(MESS)与遗传算法优化思路,可融入iSolarCloud平台,实现光储氢一体化智能调度。时序关联性分析显示严格时...
用于海上风电与波浪能联合选址的多准则决策工具开发
Development of a multi-criteria decision-making tool for combined offshore wind and wave energy site selection
Ajab Gul Majidi · Victor Ramos · Paulo Rosa Santos · Adem Akpinar 等6人 · Applied Energy · 2025年1月 · Vol.384
摘要 海上风能与波浪能的联合开发具有多项优势，包括提高并稳定电力输出，以及共享基础设施和运维成本，从而增强经济可行性和运行效率。然而，集成型风-浪能电站的最优选址是一项复杂的任务，涉及多种因素，如资源可获得性与互补性、极端条件下技术设备的生存能力、运维作业的物流条件（气象作业时间窗口、距电网连接点和港口的距离）以及 seabed 特征（水深、坡度和地质条件）。基于上述背景，本文提出了复合适宜性指数（Composite Suitability Index, CSI），这是一种新颖的多准则决策（MC...
解读: 该风波联合选址决策工具对阳光电源海上新能源布局具有重要参考价值。其多维度评估框架(资源互补性、运维时间窗口、电网接入)与我司PowerTitan储能系统的海上应用场景高度契合,可优化ST系列PCS在风波互补电站的配置策略。文中提出的资源波动性分析方法可增强iSolarCloud平台的预测性运维能力,...
基于注意力驱动贝叶斯优化混合集成的济州岛可再生能源系统精准能源预测
Attention-Driven Hybrid Ensemble Approach With Bayesian Optimization for Accurate Energy Forecasting in Jeju Island's Renewable Energy System
Muhammad Ali Iqbal · Joon-Min Gil · Soo Kyun Kim · IEEE Access · 2025年1月
可再生能源并网带来能源需求和供给预测的迫切需求，波动的用户需求和高变异性能源给供需平衡带来挑战。本文提出注意力驱动贝叶斯优化混合集成框架ABHEF，在济州岛能源混合数据上验证。ABHEF集成ConvBiLSTM、ETCN、TFT和DAT等先进模型捕获短期波动和长期趋势。贝叶斯优化确定各模型最优超参数。CatBoost作为元模型表现最佳。对于小时供给预测，MAE和RMSE相比BiLSTM分别降低52%和50%；对于日供给预测，降低76%和77%。该框架为可再生能源系统能源管理和资源规划提供显著优势...
解读: 该能源预测技术对阳光电源智慧能源管理平台iSolarCloud有重要应用价值。阳光iSolarCloud管理海量光伏储能电站，需要精准的发电和负荷预测。ABHEF混合集成框架可集成到阳光预测系统中，结合天气数据和历史运行数据实现高精度多时间尺度预测。该技术可优化阳光储能系统充放电策略和新能源消纳，提...
用于光伏输出预测的混合机器学习模型：结合随机森林与LSTM-RNN实现鱼菜共生系统的可持续能源管理
Hybrid Machine learning models for PV output prediction: Harnessing Random Forest and LSTM-RNN for sustainable energy management in aquaponic system
Tresna Dewi · Elsa Nurul Mardiyat · Pola Risma · Yurni Oktarin · Energy Conversion and Management · 2025年1月 · Vol.330
准确预测光伏发电（PV）系统输出对于优化可持续鱼菜共生系统中的能源管理至关重要，其中太阳辐照度的波动带来了重大挑战。本研究提出了一种结合长短期记忆循环神经网络（LSTM-RNN）与随机森林（RF）的混合模型，以有效应对这些挑战。该模型融合了LSTM-RNN在建模时间依赖性方面的优势以及RF在特征选择和处理非线性数据方面的能力，从而在电压、电流、功率和辐照度等参数上展现出优越的预测精度。通过采用包括归一化和序列转换在内的先进预处理步骤，使数据集与时间模式对齐，提升了模型的学习效率。评估指标如均方根...
解读: 该混合机器学习模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。LSTM-RNN与随机森林结合的预测方法可集成至SG系列光伏逆变器的MPPT优化算法,提升发电预测精度(RMSE<0.08)。模型对辐照度和温度的特征优先级分析(贡献度45%和22%)可优化ST系列储能PCS的充放电策略...
基于TCN-LSTM神经网络与迁移学习的数字孪生支持型电池状态估计
Digital Twin-supported Battery State Estimation Based on TCN-LSTM Neural Networks and Transfer Learning
Kai ZhaoYing LiuYue ZhouWenlong MingJianzhong Wu · 中国电机工程学会热电联产 · 2025年1月 · Vol.45
准确估计电池荷电状态（SOC）、健康状态（SOH）及剩余使用寿命（RUL）对储能技术发展至关重要。本文提出一种融合时间卷积网络（TCN）与长短期记忆网络（LSTM）的数字孪生（DT）支持型电池状态估计算法。构建四层层次化DT架构以克服传统电池管理系统在计算与存储上的局限，并引入基于迁移学习的在线TCN-LSTM模型，实现神经网络参数的动态更新与实时精度优化。实验结果表明，该方法在90个循环数据下SOC、SOH和RUL的平均均方根误差分别为1.1%、0.8%和0.9%，显著优于传统CNN等模型，展...
解读: 该数字孪生支持的电池状态估计技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。TCN-LSTM融合架构可直接集成至BMS系统，实现SOC/SOH/RUL的高精度实时估计（RMSE<1.1%），显著提升电池全生命周期管理能力。四层DT架构突破边缘侧计算瓶颈，可与iSol...
多相关性联合驱动的高维水-风-光场景生成方法
High-dimensional scenario generation method joint-driven by multiple correlations for hydro-wind-photovoltaic
Zixuan Liua · Li Moa · Mi Zhanga · Jiangrui Kangd 等7人 · Applied Energy · 2025年1月 · Vol.400
摘要 随着清洁能源在电网中占比不断提高，准确刻画其不确定性已成为规划与优化水-风-光（HWP）多能互补系统的关键挑战。为应对HWP能源在高维变量及时空随机依赖关系方面的复杂建模需求，本文提出一种由多种相关性联合驱动的新型高维场景生成方法。首先，基于高斯混合模型（GMM）构建时间自相关模型，并结合Copula函数建立空间互相关模型，通过累积分布函数实现多种相关性的协同建模。其次，通过评估经验数据分布与理论模型分布之间的均方根误差，并辅以Kolmogorov-Smirnov拟合优度检验，验证所构建模...
解读: 该高维场景生成方法对阳光电源水风光储多能互补系统具有重要价值。通过GMM-Copula联合建模精准刻画时空相关性,可显著提升ST系列储能变流器和PowerTitan系统的调度优化精度。该方法生成的日尺度场景集能为iSolarCloud平台提供更准确的不确定性预测数据支撑,优化GFM/GFL控制策略在...
集成排放分配方法的热电联产与混合热泵耦合能源系统动态核算模型
Dynamic accounting model with integrated emission allocation methods for coupled energy systems with combined heat and power plants and hybrid heat pumps
Chris Burkela · Marco Griesbach · Florian Heberle · Dieter Brüggemann 等5人 · Energy Conversion and Management · 2025年1月 · Vol.342
摘要 详细的排放核算方法正日益成为衡量能源系统脱碳进程的重要工具。传统的核算方法仅使用年度需求值和电网电力的平均能源结构，因而忽略了跨越核算边界的时间动态能量流与排放流动。此外，在相互连接的供能网络中，能量与排放存在随时间变化的交互过程。本研究从动态视角出发，分析一种通过热电联产机组（CHP）和可同时提供供热与供冷的热泵（HP）将电力、供热和供冷网络相互联结的耦合能源系统。为准确刻画排放流动的行为特征，本文基于Python开发了一种动态排放平衡模型。该框架建立在碳排放流理论基础之上，采用拟输入-...
解读: 该动态碳排放核算模型对阳光电源多能互补系统具有重要价值。针对热电联产与热泵耦合场景,可应用于ST储能系统与充电站的协同优化:通过Python框架实时追踪电-热-冷三网碳流,指导PowerTitan储能在不同时段的充放电策略。准输入输出节点理论可集成至iSolarCloud平台,实现小时级碳排放监测。...
量化全球升温1.5°C和2.0°C情景下中国光伏发电潜力的时空变化
Quantifying spatiotemporal shifts in photovoltaic potential across China under 1.5 °C and 2.0 °C global warming scenarios
Zhangrong Pan · Chenchen Liu · Zhuo Chen · Huiyuan Wang 等7人 · Applied Energy · 2025年1月 · Vol.392
本研究利用高分辨率NEX-GDDP气候数据集，结合全球太阳辐射估算模型（GSEE），在共享社会经济路径（SSP）情景（特别是SSP245和SSP585）下，系统评估了为实现1.5°C和2.0°C全球升温目标背景下中国光伏发电潜力的变化。结果表明，气候变暖将导致中国光伏资源呈现出显著的区域差异性和时间变异性。具体而言，相对于基准期（1995–2014年），在SSP245情景下，中国南方地区的光伏发电潜力逐渐增加（约3.1%），而北方地区则呈现适度下降趋势，特别是在西藏高原和新疆的部分地区降幅约为−...
解读: 该研究揭示中国光伏发电潜力的区域分异特征,对阳光电源产品布局具有战略指导意义。南方电网区域光伏潜力增强3.1%,适合部署SG系列逆变器配合PowerTitan储能系统,通过iSolarCloud平台实现跨季节能量管理;北方地区(内蒙古、西藏)潜力下降达-3.2%,需采用ST系列PCS的GFM控制技术...
超宽禁带半导体器件的新兴热学计量技术
Emerging thermal metrology for ultra-wide bandgap semiconductor devices
Van De Walle · El Sachat · Sotomayor Torres · De La Cruz 等6人 · Applied Physics Letters · 2025年1月 · Vol.126
β-Ga2O₃、AlN、AlGaN和金刚石等超宽禁带（UWBG）半导体材料因其优异的电子特性，成为高功率、高频器件的关键候选材料。然而，除金刚石和AlN外，这些材料普遍具有较低的热导率，难以满足高功率密度下的散热需求，带来严峻的热管理挑战。因此，亟需结合新型器件结构的先进热管理方案以抑制器件峰值温度过度升高。同时，具备高空间和时间分辨率的精确器件级热表征技术对于验证和优化热设计、提升器件性能与可靠性至关重要。本文综述了当前应用于UWBG半导体器件的主要热学计量方法。
解读: 该超宽禁带半导体热学计量技术对阳光电源功率器件应用具有重要价值。在ST系列储能变流器和SG光伏逆变器中，SiC/GaN等宽禁带器件的热管理直接影响系统功率密度和可靠性。文中提出的高时空分辨率热表征方法可用于优化PowerTitan储能系统的三电平拓扑功率模块设计，精确定位热点并验证散热方案。对于15...
基于物理学习的针对可再生能源供电不确定电力系统的隐蔽虚假数据攻击
Physics Learning Based Stealthy False Data Attack Against Renewable Fed Uncertain Power System
Jagendra Kumar Narang · Baidyanath Bag · IEEE Transactions on Industry Applications · 2025年8月
尽管现有无模型虚假数据攻击（MFFDA）方法成功率较高，但在大规模可再生能源接入的电力系统中，其针对状态估计（SE）的性能存疑。这些方法缺乏稀疏性，且未考虑发电机和零注入母线情况，容易被控制中心检测到。可再生能源带来的不确定性增加，进一步提高了被检测的风险。本文评估了状态估计在先进无模型虚假数据攻击下的安全性。我们提出了一种结合物理模型与深度学习的自编码器 - 生成对抗网络（AE - GAN）框架，用于捕捉测量数据的内在变异性并生成攻击数据。基于自编码器的代理状态估计模型考虑了不确定测量数据的时...
解读: 该研究揭示的虚假数据攻击机制对阳光电源储能及光伏系统的网络安全防护具有重要警示价值。针对ST系列储能变流器和PowerTitan大型储能系统，需在iSolarCloud云平台中强化状态估计数据的物理一致性校验，建立基于功率平衡、电压约束的多维度异常检测机制。对于SG系列光伏逆变器的1500V系统，应...
多分辨率动态模态分解在宽频谐波不稳定识别中的应用
Multiresolution Dynamic Mode Decomposition for Wideband Harmonic Instability Identification
Rui Kong · Subham Sahoo · Yubo Song · Yi Xiao 等6人 · IEEE Transactions on Power Electronics · 2024年12月
现代电力电子主导电网中谐波不稳定的模态识别有助于振荡检测、稳定性评估以及进一步的阻尼控制。然而，信号中复杂的振荡成分和可能出现的非特征性瞬态变化，给振荡信号的稳健且准确的模态识别带来了挑战。本文利用基于多分辨率动态模态分解（MR - DMD）算法的识别方法，在多个频率分解层次和时间子集上提取具有时频信息的主导系统模态，从而提高处理缺失数据时的稳健性。此外，定义并推导了关键算法参数，以揭示其对算法性能的影响，同时进一步构建了参数设计框架以优化识别结果。利用实验条件下的实际测量数据，在多种振荡场景中...
解读: 从阳光电源的业务视角来看，这篇论文提出的多分辨率动态模态分解（MR-DMD）技术对我们在电力电子主导型电网中的谐波不稳定性识别具有重要应用价值。 在光伏逆变器和储能系统的实际运行中，宽频谐波振荡问题日益突出，特别是在高渗透率新能源电网场景下。该技术通过多频率分解层级和时间子集提取系统主导模态，能够...
基于样本图的多元短期光伏功率预测
Sample-Wise Graph-Based Multivariate Short-Term PV Power Forecasting
Xuguang Wang · Wangjie Liu · Junhong Ni · Mi Zhang · IEEE Transactions on Sustainable Energy · 2025年6月
可靠的短期光伏（PV）功率预测对电力系统电源的合理调度与运行成本的有效控制具有重要意义。然而，光伏功率数据的时间错位及回归精度不平衡问题严重影响预测可靠性。本文从预测模型样本的角度研究多元光伏功率预测。首先，通过时延向量参数化样本的错位程度；进而定义样本图以关联时延向量与光伏功率数据；随后通过最小化样本图的平滑性度量估计时延向量；最后提出基于样本图的样本加权策略，缓解回归精度不平衡问题。在真实数据集上的实验验证了所提方法的有效性，对比实验表明该方案显著提升了短期光伏功率预测性能。
解读: 该样本图多元预测技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。通过时延向量参数化解决光伏功率数据时间错位问题，可显著提升SG系列逆变器集群的短期功率预测精度，优化MPPT算法的前瞻性控制。样本加权策略能改善回归精度不平衡，特别适用于ST储能变流器的充...
一种基于张量的风电场动态等值建模聚类方法
A Tensor-Based Clustering Method for Dynamic Equivalent Modeling of Wind Farms
Yihao Yang · Yijun Xu · Wei Gu · Lamine Mili 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
采用详细风电机组模型仿真大规模风电场计算成本高昂，亟需兼顾精度的简化建模方法。针对复杂风速条件与网络结构带来的风电场暂态等值精度难题，本文首次提出一种基于张量分解的聚类方法，通过合理分组捕捉风电场高维动态特征，实现精确降阶建模。首先构建保持时空特性的张量结构数据集，进而设计兼顾稀疏性与平滑性的张量分解策略以提取低维特征并指导聚类；最后定制网络聚合策略降低功率损耗误差。多种布局、故障与风况下的仿真结果验证了该方法的优越性能。
解读: 该张量聚类建模方法对阳光电源的大型储能及风电产品具有重要应用价值。可直接应用于PowerTitan储能系统的多机组协调控制和ST系列储能变流器的群控优化,通过降维聚类提升计算效率。对于风电场接入的储能系统,该方法能更精确地预测风电波动特性,优化储能容量配置和调度策略。技术创新点在于通过张量分解捕捉高...
一种基于双流注意力机制的混合网络用于光伏发电预测
A Novel Dual-Stream Attention-Based Hybrid Network for Solar Power Forecasting
Rafiq Asghar · Michele Quercio · Lorenzo Sabino · Assia Mahrouch 等5人 · IEEE Access · 2025年1月
光伏发电功率预测对保障电网安全运行、降低运营成本具有重要意义。本文提出一种基于双向长短期记忆网络（BiLSTM）与卷积神经网络（CNN）的新型双流混合模型，通过并行提取时间与空间特征，并融合多头注意力机制强化关键特征选择。该模型在不同时间窗口、四季及天气条件下进行实验验证，并与三种单一模型和五种混合深度学习模型对比。结果表明，所提模型在多种气象、季节与气候条件下均具备优异的光伏功率预测精度。
解读: 该双流注意力混合预测模型对阳光电源iSolarCloud智能运维平台和ST系列储能系统具有重要应用价值。BiLSTM-CNN双流架构可集成至云平台的功率预测模块，通过多头注意力机制提升不同季节和天气条件下的预测精度，优化SG系列逆变器的MPPT算法动态响应。对PowerTitan大型储能系统，精准的...
第 4 / 9 页