找到 112 条结果
一种基于人工智能预测温室环境中光伏-热系统的能量参数的方法
An artificial intelligence approach to predict energy parameters in a photovoltaic-thermal system within a greenhouse
Shojapour Pour · Ali Motevali · Seyed Hashem Samadi · Ranjbar-Nedamani Nedamani 等6人 · Solar Energy · 2025年7月 · Vol.295
摘要 农业各个领域日益增长的能源需求，尤其是在温室设施中，迫切需要探索可行的解决方案。利用可再生能源，并结合人工智能（AI）技术对能耗数据进行预测与分析，为应对这一挑战提供了有前景的途径。本研究采用多种机器学习模型，针对基于纳米流体（Al2O3、SiO2、Al2O3-SiO2）的光伏-热系统，在温室内外环境下对其能量参数（如输出功率、电效率、热效率和总效率）进行预测。建模过程采用了时延神经网络（TDNN）、多层感知机（MLP）以及非线性自回归（NARX）方法，并引入了对数激活函数。不同能量参数的...
解读: 该研究对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要价值。NARX神经网络预测光伏系统能效参数(R²=0.9979)的方法,可集成至我司智能运维平台,实现MPPT算法优化和发电效率预测性维护。纳米流体光热系统的AI建模思路,可应用于户用光伏热电联供场景,提升SG系列逆变器在农业光伏...
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/...
动态激励与边界条件对板级电子封装疲劳寿命影响的研究
Investigating the Impact of Dynamic Excitation and Boundary Conditions on the Fatigue Life of Board-Level Electronic Packages
Sima Besharat Ferdowsi · Sushil Doranga · Yueqing Li · Mukunda Khanal · Journal of Electronic Packaging · 2026年2月 · Vol.148
本文研究BGA封装在谐波与随机振动下的疲劳性能，揭示PCB动力学引发的几何非线性对焊点疲劳参数的显著影响，为高振动场景（如车载、储能系统运输安装）下电子器件可靠性建模与测试提供新依据。
解读: 该研究对阳光电源ST系列PCS、PowerTitan储能系统及组串式逆变器的板级可靠性设计具有直接参考价值——其振动疲劳建模方法可优化产品在运输、车载移动储能、风振环境下的焊点寿命预测。建议将文中六螺钉边界与高激励非线性仿真流程纳入逆变器/PCS的HALT试验标准，并结合iSolarCloud平台开...
主动磁悬浮轴承系统的先进解析和经验控制策略
Advanced Analytical and Empirical Control Strategies for Active Magnetic Bearing Systems
Debarghya Dutta · Pabitra Kumar Biswas · Suraj Gupta · Sukanta Debnath 等6人 · IEEE Access · 2025年6月
主动磁悬浮轴承系统非常适合高速应用，展示与清洁环境如可再生能源领域的兼容性，以及极端压力、温度和恶劣环境等挑战性条件。本文深入评估主动磁悬浮轴承控制，这些电磁轴承由电力电子元件供电。强调各种主动磁悬浮轴承控制技术的优缺点。然而由于非线性和固有不稳定性质，控制主动磁悬浮轴承存在困难。工作专注于强调使用傅里叶和经验数据驱动工程方法的先进控制策略，显著扩展主动磁悬浮轴承在各行业的潜在应用。文章还强调研究潜在方向，强调使用麦克斯韦原理的主动磁悬浮轴承数值建模，展示复杂控制方案以理解动态情况。
解读: 该磁悬浮轴承控制技术对阳光电源高速电机应用具有前瞻价值。虽然阳光主营电力电子产品，但该无机械接触轴承技术可应用于阳光未来布局的高速飞轮储能系统。该先进控制策略与阳光SiC功率器件和DSP控制技术结合，可开发高效低损耗的磁悬浮储能飞轮，提供快速功率响应能力，应用于电网调频和UPS系统。...
风力发电场频率支撑可行域的互相关性建模：一种非迭代的全系统动态特性调度方法
Interdependence modeling of wind farm frequency support feasible region: A non-iterative system-wide dynamic characteristics scheduling
Jiaqing Zhai · Li Guo · Zhongguan Wang · Jiebei Zhu 等6人 · Applied Energy · 2025年12月 · Vol.401
摘要 高比例可再生能源电力系统中，风力发电场（WFs）提供频率调节支撑（FRS）服务对系统频率稳定至关重要。由于风速具有时变特性，实时调度WFs的FRS特性对于保障系统频率安全及动态潮流（PF）安全十分必要。然而，风力发电机组（WTs）数量庞大，且各WFs之间的频率支撑能力（FSC）存在相互关联性，导致FRS动态特性复杂化，使得WTs的FRS安全性量化变得困难，尤其是在缺乏精确WT参数的情况下。因此，本文提出一种数据驱动的方法，用于建模不同WFs之间FSC的互相关性。通过空间变换，将原始复杂的非...
解读: 该风电场频率支持调度技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要借鉴价值。论文提出的数据驱动建模方法可应用于储能电站的一次调频优化,通过空间变换实现非线性动态特性的快速求解,与阳光VSG虚拟同步机技术协同,提升新能源场站频率响应能力。所提分段精英学习算法可集成至iSolar...
基于神经网络的光伏集成主动配电网动态等值
Dynamic Equivalent of PV-Integrated Active Distribution System Using Neural Networks
Md Rifat Hossain · Prabin Mali · Sumit Paudyal · IEEE Transactions on Industrial Informatics · 2025年12月
随着配电系统（DSs）在光伏（PV）渗透率不断提高的情况下向有源配电网（ADNs）转变，计算上易于处理的动态模型对于实时分析和控制变得十分必要。本文提出了一种基于非线性自回归外生（NARX）型递归神经网络（RNNs）的两阶段数据驱动建模框架，用于开发智能光伏系统和含光伏的有源配电网的动态等效模型（DEMs）。首先，开发动态等效模型以捕捉具备辅助电压支撑功能的住宅光伏系统的非线性功率动态特性。该框架进一步扩展，以自动捕捉不同光伏渗透率水平下变电站级有源配电网的功率交换情况。数据驱动模型与传统建模方...
解读: 从阳光电源的业务视角来看，这项基于NARX递归神经网络的主动配电网动态等效建模技术具有重要战略价值。该技术直接切中高比例光伏接入配电网后系统建模复杂度激增的痛点，为我司智能光伏逆变器的电网支撑功能优化提供了新的技术路径。 该研究的核心价值在于将复杂的光伏并网系统动态特性压缩为高精度、低计算量的数据...
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11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...
用于电力系统经济性分析的锂离子电池精确建模
Accurate Modeling of Lithium-Ion Batteries for Power System Economics
Vedran Bobanac · Hrvoje Pandžić · Hrvoje Bašić · IEEE Transactions on Power Systems · 2024年6月
本文提出了一种可用于各种电力系统研究的实用线性电池储能模型。所提出的确定模型参数的方法基于对四种不同技术的锂离子电池进行实验所获得的数据。该模型本身考虑了两个重要但常被忽视的电池特性：（i）可变的充放电能量效率；（ii）非线性的充电曲线。将所提出的模型与三种简化模型进行了比较，这三种简化模型仅考虑了上述两种电池特性中的一种或都未考虑。为证明该模型在实际中的适用性和优势，使用这四种模型来制定电池储能的最优日前市场调度计划，并利用专用试验台对所制定调度计划的可行性进行了实验验证。除了提出该模型之外，...
解读: 该锂离子电池精确建模技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。模型的线性化特性可直接集成到iSolarCloud云平台的优化调度算法中，提升储能系统经济性评估精度。考虑容量衰减、库仑效率和温度影响的建模方法，可优化ST储能变流器的充放电策略，延长电池寿命并降...
基于非线性混沌哈里斯鹰优化整定广义幂指数趋近律终端滑模控制的旋转式风力机变桨控制
Rotary-Actuated Wind Turbine Pitch Control Using Nonlinear-Based Chaotic Harris Hawks Optimization Tuned Generalized Power Exponential Rate Reaching Law Terminal Sliding Mode Controller
Paladugu Venkaiah · Bikash Kumar Sarkar · Amitava Chatterjee · IEEE Transactions on Industry Applications · 2025年2月
本研究针对叶片变桨控制提出了一种先进的终端滑模控制（TSMC）策略，旨在减轻周期性气动载荷并稳定额定功率，研究对象为配备旋转电液驱动装置的63米叶片水平轴风力发电机（HAWT）。该TSMC采用广义幂指数速率趋近律进行设计，称为GPERRL - TSMC。研究运用叶素动量理论对系统动力学进行建模。最终证明，所提出的GPERRL - TSMC能够同时提升暂态性能，并减少抖振的不利影响。首先，利用哈里斯鹰优化算法（HHO）对该控制器的自由参数进行优化，进一步改进了该控制器设计，称为HHO - GPER...
解读: 从阳光电源的业务视角来看，这项基于非线性混沌Harris Hawks优化算法的风电变桨控制技术具有重要的战略参考价值。虽然该研究聚焦于风电领域，但其核心控制理论与阳光电源在风电变流器和新能源综合解决方案中的技术需求高度契合。 该技术的核心价值在于通过广义幂指数趋近律终端滑模控制（GPERRL-TS...
基于位置偏移注入并考虑逆变器失真与饱和的内嵌式PMSM最大转矩每安培控制
Maximum Torque Per Ampere (MTPA) Control for Interior PMSM Using Position-Offset Injection Considering Inverter Distortion and Saturation
作者未知 · IEEE Transactions on Power Electronics · 2025年3月
对于内置式永磁同步电机（IPMSM）而言，在线最大转矩电流比（MTPA）控制会受到诸如磁饱和、逆变器畸变和温度上升等非线性因素的影响。本文提出一种采用小直流位置偏移注入的快速精确MTPA角度跟踪方法。通过位置偏移注入，从电机模型推导出MTPA控制的目标函数模型，即转矩与定子电流之比，该模型不受参数变化的影响。基于位置偏移注入计算出目标值，并采用在线曲线拟合的方法来跟踪MTPA角度。所提出的模型通过非线性建模对饱和进行补偿，并且能够消除逆变器畸变的影响，这两者均可有效提升MTPA角度跟踪的性能。此...
解读: 从阳光电源的业务视角来看，该论文提出的基于位置偏移注入的MTPA控制技术对我司在新能源汽车驱动系统和储能变流器领域具有重要应用价值。 **技术价值分析：** 该技术通过小直流位置偏移注入实现内置式永磁同步电机的在线最大转矩电流比控制，有效解决了磁饱和、逆变器非线性畸变和温升等实际工况下的控制精度问...
基于交互式多模型算法的变压器保护方法
Model-Based Power Transformer Protection Using Interactive Multiple Model Algorithm
Saeed Nikbakhsh Jahromi · Ehsan Hajipour · Mehdi Ehsan · IEEE Transactions on Power Delivery · 2024年11月
在集中式保护与控制变电站（CPC）中，所有电压和电流测量值均可供中央高性能处理器使用。本文提出一种基于模型的变压器保护算法，采用多个线性模型模拟铁芯非线性特性，利用交互式多模型（IMM）算法在不同时刻切换模型以跟踪变压器动态行为。相比传统基于模型的方法，该算法显著提高了精度并降低了计算负担，更易于在实际微处理器中实现。实验测试涵盖匝间短路和匝地故障，验证了所提算法的有效性。
解读: 该交互式多模型变压器保护技术对阳光电源储能系统和光伏逆变器产品具有重要应用价值。在PowerTitan大型储能系统中，隔离变压器是关键部件，IMM算法可实时跟踪铁芯非线性动态，精准识别匝间短路和接地故障，相比传统差动保护可显著降低误动率。该方法计算负担低、易于在ST系列储能变流器的DSP/FPGA平...
具备电流参考限幅功能的构网型变流器故障恢复与暂态稳定性建模
Modeling Fault Recovery and Transient Stability of Grid-Forming Converters Equipped With Current Reference Limitation
Ali Arjomandi-Nezhad · Yifei Guo · Bikash C. Pal · Guangya Yang · IEEE Transactions on Energy Conversion · 2024年11月
当基于电网形成型（GFM）逆变器的电源（IBRs）面临严重的电网扰动（如短路故障）时，电流限制机制可能会被触发。因此，GFM IBRs 会进入电流饱和模式，引发非线性动态行为，并给扰动后的暂态功角稳定带来巨大挑战。本文进行了系统研究，以揭示 GFM IBR 的故障恢复行为并识别失稳风险。给出了 GFM IBR 从电流饱和模式恢复到正常运行模式的必要条件的封闭表达式。基于这些分析可以推断，幅值饱和电流的相角会显著影响故障后的恢复和暂态稳定性；根据不同的相角选择，系统可能会根据以下情况沿多条故障后轨...
解读: 从阳光电源的业务视角来看，这篇论文针对构网型（GFM）逆变器在电网故障下的电流限幅与暂态稳定性问题，具有重要的工程应用价值。随着阳光电源在大型光伏电站、储能系统及微电网领域的深入布局，构网型控制技术已成为支撑高比例新能源接入的核心技术路线，该研究直接关系到产品在极端工况下的可靠性与电网适应性。 论...
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...
基于耗散的动力学感知学习方案用于网络化黑箱构网型逆变器的暂态稳定性分析
Dissipation-Based Dynamics-Aware Learning Scheme for Transient Stability Analysis of Networked Black-Box Grid-Forming Inverters
Zhong Liu · Jialin Zheng · Xiaonan Lu · IEEE Transactions on Power Electronics · 2025年9月
基于耗散性的稳定性分析方法借助李雅普诺夫函数，在评估基于逆变器的电力系统暂态稳定性方面应用广泛。然而，特定厂商的逆变器控制方案具有专有性，这常常导致逆变器模型成为“黑箱”，透明度有限。同时，目前仍需要一个“通用”的暂态稳定性评估框架，以替代当前实践中通常采用的针对特定案例的设计。为克服这些局限性，本文提出了一种基于耗散性的动态感知学习方案，用于对含网络化黑箱型电网形成逆变器的电网进行暂态稳定性分析。与传统的黑箱建模方法不同，传统方法学习逐点轨迹映射作为输出特性，而所提出的方法直接学习状态变量的导...
解读: 从阳光电源的业务视角来看，这项基于耗散理论的黑箱构网型逆变器暂态稳定性分析技术具有重要的战略价值。随着我司大规模储能系统和构网型逆变器在高比例新能源电网中的广泛应用，系统暂态稳定性评估已成为制约项目落地的关键技术瓶颈。 该技术的核心创新在于突破了传统方法对精确数学模型的依赖，通过神经网络直接学习系...
电力电子设备存在下低压配电系统中电弧/火花放电现象的表征
Characterization of Arc/Spark Discharge Phenomena in Low Voltage Distribution Systems in the Presence of Power Electronic Devices
Ratnakar Nutenki · Aurobinda Routray · Ashok Kumar Pradhan · IEEE Transactions on Industry Applications · 2025年8月
现代电力负载日益复杂，对传统的电弧故障检测方法构成了挑战，这需要采用复杂的方法来进行可靠识别。本研究探讨了低压配电系统中的电弧/火花放电行为，尤其关注嵌入了电力电子元件的现代家用电器对其产生的影响。通过实验观察并结合电压 - 电流滞后和能量平衡等物理原理，建立了电弧/火花放电的非线性等效电路模型。该模型纳入了动态参数，如电弧时间常数和碳桥电阻，以分析它们对放电特性的影响。为了分析实际负载条件下的电弧放电行为，对包括变阻器、搅拌机、笔记本电脑、微波炉和吸尘器等具有代表性的电器进行了大量实验室实验。...
解读: 该电弧故障检测技术对阳光电源多条产品线具有重要应用价值。在ST储能系统中，电力电子变流器的高频开关特性易与故障电弧混淆，研究揭示的电弧高频特征与波形畸变规律可优化PowerTitan系统的直流侧电弧检测算法，降低误报率。在SG光伏逆变器中，可改进直流拉弧保护功能，提升1500V高压系统安全性。在新能...
三相并网逆变器的无源性控制与虚拟阻抗优化设计
Enhancing Performance Toward Torque and Flux Control Through a Hybrid Approach of Intelligent and DTC for SRM Drives
Deepak Mohanraj · M Umavathi · Rajesh Verma · Bharatiraja Chokkalingam 等5人 · IEEE Access · 2025年5月
并网逆变器在弱电网条件下易出现稳定性问题,无源性控制提供理论稳定性保证。本文提出基于无源性理论的并网控制策略,通过虚拟阻抗优化设计实现宽范围电网阻抗适应性,保证系统鲁棒稳定性。
解读: 该无源性控制技术可应用于阳光电源SG系列光伏逆变器的弱网并网场景。通过虚拟阻抗优化提升逆变器在高阻抗电网条件下的稳定性,拓展并网适应范围,减少并网点电压波动,提升弱电网地区的光伏接入能力。...
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...
基于机器学习增强的大规模并行暂态仿真方法用于大规模可再生能源电力系统
Machine-Learning-Reinforced Massively Parallel Transient Simulation for Large-Scale Renewable-Energy-Integrated Power Systems
Tianshi Cheng · Ruogu Chen · Ning Lin · Tian Liang 等5人 · IEEE Transactions on Power Systems · 2024年6月
可再生能源系统（RESs）在向绿色智能电网转型中起关键作用，但其受光照、风速等自然因素影响，具有复杂性与不确定性，给并网带来挑战。电磁暂态（EMT）仿真可有效研究RES并网问题，但现有方法受限于模型非线性和计算复杂度，难以实现大规模精细化仿真。本文提出一种面向数据、结合机器学习的CPU-GPU大规模并行EMT仿真方法，采用人工神经网络构建数据驱动的RES模型，并基于实体-组件-系统架构集成。模型训练依托传统物理EMT模型生成的数据，并通过MATLAB/Simulink验证。将RES元件组建成微网...
解读: 该机器学习增强的大规模并行EMT仿真技术对阳光电源具有重要战略价值。在PowerTitan储能系统和大型光伏电站并网设计中，可快速仿真数百万级SiC逆变器的暂态交互特性，400倍加速性能显著缩短产品开发周期。对ST系列储能变流器的构网型GFM控制策略优化尤为关键，能高效评估微电网场景下多台设备的协同...
基于增强特征提取与新型损失函数的TimesNet光伏功率多步短期预测方法
Multi-step short-term forecasting of photovoltaic power utilizing TimesNet with enhanced feature extraction and a novel loss function
Sheng Yu · Bin He · Lei Fang · Applied Energy · 2025年6月 · Vol.388
摘要 天气条件的不稳定性常导致光伏发电呈现出随机性和波动性，使得准确可靠的光伏发电功率预测对于综合能源系统的稳定调度至关重要。由于难以捕捉相邻离散时间点之间的时序依赖关系，多步预测仍面临挑战，这主要归因于一维建模方法在时间序列特征表达能力上的局限性。为此，本文提出一种专门针对光伏发电功率多步短期预测的方法论框架。该框架基于TimesNet架构，通过将气象特征在二维空间建模以增强特征表达能力。此外，引入了一种新的特征提取模块，用于替代原始TimesNet中的Inception模块，缓解了标准卷积中...
解读: 该多步光伏功率预测技术对阳光电源iSolarCloud智慧运维平台及储能系统调度具有重要价值。TimesNet二维时序建模可增强SG系列逆变器功率预测精度,改进的损失函数能提升异常工况识别能力。12小时预测RMSE降低3.21%可优化ST系列PCS的充放电策略制定,减少PowerTitan储能系统的...
一种端到端集成学习方法以提升风电功率预测精度
An End-to-End Ensemble Learning Approach for Enhancing Wind Power Forecasting
Yun Wang · Houhua Xu · Yaohui Huang · Fan Zhang 等8人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出MG-DS模型，基于Dempster-Shafer证据理论实现端到端集成学习，融合MLP特征提取、GRU与交叉注意力生成多样化基预测，并引入DSSE插件协同RNN与非RNN模型，在5个风电数据集上显著提升预测精度。
解读: 该研究提出的MG-DS端到端集成预测框架可直接赋能阳光电源风电变流器的智能功率预测模块，提升其iSolarCloud平台在风电场侧的短期功率预测精度，支撑ST系列PCS与风电变流器的AGC/AVC协同调度。建议将DSSE插件集成至iSolarCloud风功率预测引擎，适配现有SCADA数据流；同时为...
第 5 / 6 页