找到 240 条结果
微电网的统一物理信息神经网络框架及其在电压稳定性分析中的应用
Uniform Physics Informed Neural Network Framework for Microgrid and Its Application in Voltage Stability Analysis
Renhai Feng · Khan Wajid · Muhammad Faheem · Jiang Wang 等6人 · IEEE Access · 2025年1月
本文聚焦物理信息神经网络PINN在光伏PV、风电和储能设备模型参数提取中的应用。准确提取这些模型参数对有效控制和优化重庆电力系统CPS整体稳定性至关重要。尽管提出众多算法解决该问题，准确可靠提取参数仍是重大挑战。本文提出改进PINN命名为统一物理信息神经网络UPINN，采用基于近端策略优化PPO的强化学习进行参数提取。UPINN通过四种策略克服PINN困难：反馈算子、GRU门控机制、历史种群传递算子和PPO辅助强化学习修正因子。UPINN模型迭代训练以最大化参数和减少RMSE。UPINN准确提取...
解读: 该物理信息神经网络技术对阳光电源设备建模和电网分析有重要应用价值。阳光iSolarCloud平台管理海量光伏储能设备，需要准确的设备模型进行仿真和优化。UPINN参数提取方法可应用于阳光设备数字孪生模型的自动标定。强化学习PPO算法对阳光智能控制策略优化有借鉴意义。电压稳定性监测是阳光储能系统电网支...
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...
适应光伏波动的动态网络剪枝在低压配电网边缘计算中的应用
Photovoltaic fluctuation-adapted dynamic network pruning for low-voltage distribution network edge computing
Jian Zhaoa · Kai Denga · Xianjun Shaob · Zhibin Zhoub 等7人 · Applied Energy · 2025年1月 · Vol.397
摘要 光伏（PV）出力的固有波动性 necessitates 使用高复杂度的深度学习（DL）模型以实现准确预测。然而，此类模型即使在光伏出力稳定期间也以满容量运行，消耗了冗余的计算资源，并加重了低压配电网（LVDN）中资源受限的边缘设备的负担。为解决上述问题，本文提出了一种动态网络剪枝框架，能够根据光伏出力的波动情况自适应地调整深度学习模型的复杂度。首先，提出一种对光伏波动敏感的通道重要性评估方法，用于识别深度学习模型中的冗余结构。随后，构建了一个包含光伏运行约束的轻量化优化框架，根据光伏出力的...
解读: 该动态网络剪枝技术对阳光电源边缘计算场景具有重要应用价值。针对iSolarCloud平台的边缘侧设备,可将该方法集成至SG系列逆变器和ST储能变流器的本地控制器中,根据光伏波动自适应调整深度学习模型复杂度,在平稳期压缩72%计算量,显著降低边缘设备算力需求。该技术可优化PowerTitan储能系统的...
训练集再应用:基于相似样本的电力系统主导失稳模式识别物理可靠框架
Reapplication of Training Set: A Physically Reliable Framework for Power Systems Dominant Instability Mode Identification Using Similar Samples
Yutian Lan · Shanyang Wei · Wei Yao · Yurun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年8月
准确且在物理上可靠地识别主导不稳定模式（DIM）对于确保电力系统的安全稳定运行至关重要。数据驱动模型，尤其是深度学习（DL），在应对这一挑战方面取得了显著进展。然而，深度学习的“黑箱”特性限制了其可解释性，导致结果不可靠，这与电力系统严格的可靠性要求相冲突。为解决这一问题，本文提出了一种新颖的 DIM 识别框架，通过重新应用训练集样本提高识别的准确性和可靠性。首先，提出了一种训练方法，以增强 DIM 模型的抗噪声能力和对相似样本的聚类能力，实现高精度的 DIM 识别。此外，还开发了一种两阶段可解...
解读: 该失稳模式识别技术可应用于阳光电源智慧能源管理系统的稳定性监控。通过数据驱动的失稳模式识别,及时发现光伏并网系统和储能系统的潜在失稳风险,优化控制策略,提升大规模新能源并网的稳定性,为电网安全运行提供预警支持。...
考虑电流限制、惯性和阻尼效应的构网型变流器暂态稳定性综合评估
Comprehensive Assessment of Transient Stability for Grid-forming Converters Considering Current Limitations, Inertia and Damping Effects
Jinlei Chen1Qingyuan Gong1Yawen Zhang1Muhammad Fawad1Sheng Wang2Chuanyue Li1Jun Liang1 · 中国电机工程学会热电联产 · 2025年1月 · Vol.45
本文定量评估了考虑电流限制、惯性和阻尼效应的构网型变流器暂态稳定性。首先，分析了电压跌落下受电流限制的变流器暂态稳定性，当跌落超过临界阈值时，系统出现失稳，其严重程度受摇摆方程中惯性和阻尼系数影响。其次，基于相平面模型方法，系统评估了惯性和阻尼对临界清除时间（CCT）与临界清除角（CCA）的影响，并利用相轨迹数据构建人工神经网络（ANN）模型实现CCT与CCA的精确预测。相比基于等面积准则的保守评估，该方法可延长故障下的实际运行时间，充分挖掘系统的低电压穿越（LVRT）与故障穿越（FRT）能力。...
解读: 该研究对阳光电源ST系列储能变流器和PowerTitan大型储能系统的构网型控制具有重要应用价值。文章提出的基于相平面和ANN的暂态稳定评估方法，可精确预测电流限制下的CCT/CCA，相比传统等面积准则更准确，能有效提升产品LVRT/FRT能力。该方法可直接应用于ST系列的虚拟同步机控制参数优化，通...
用于拓扑持续时间不确定的开关模式电源转换器参数辨识的扩展物理信息神经网络
Extended Physics-Informed Neural Networks for Parameter Identification of Switched Mode Power Converters With Undetermined Topological Durations
Yangxiao Xiang · Hongjian Lin · Henry Shu-Hung Chung · IEEE Transactions on Power Electronics · 2024年10月
对于拓扑持续时间不确定的开关模式功率转换器而言，进行高精度参数识别颇具挑战，因为诸如开关时刻和拓扑转换时的电路状态变量等物理信息，对于实现这一目标至关重要。在传统的基于物理模型的解决方案中，需要额外的测量电路来弥补拓扑转换时未知物理信息的缺失，否则就必须牺牲精度。为避免使用不必要的额外硬件，本文提出了一种扩展物理信息神经网络（e - PINN），它将伪标签生成网络集成到分段物理信息神经网络中。该网络能够精确识别关键系统参数，以及每个拓扑的持续时间和拓扑转换时的系统状态。在工作于不连续导电模式（D...
解读: 从阳光电源的业务视角来看，这项基于扩展物理信息神经网络（e-PINN）的参数识别技术具有显著的应用价值。该技术针对开关电源变换器在拓扑持续时间不确定情况下的参数识别难题，提出了无需额外硬件即可实现高精度识别的解决方案，这与我司在光伏逆变器和储能变流器领域的核心需求高度契合。 在实际应用层面，该技术...
基于卷积神经网络、小波神经网络与掩码多头注意力机制的全球辐照度预测模型
A Global Irradiance Prediction Model Using Convolutional Neural Networks, Wavelet Neural Networks, and Masked Multi-Head Attention Mechanism
Walid Mchara · Lazhar Manai · Mohamed Abdellatif Khalfa · Monia Raissi 等5人 · IEEE Access · 2025年1月
准确预测全球辐照度对光伏系统尤其是太阳能电动汽车的能量管理至关重要。传统模型难以捕捉辐照数据中复杂的时空依赖性，导致在多变天气条件下预测精度受限。本文提出一种融合卷积神经网络（CNN）、小波神经网络（WNN）与掩码多头注意力（MMHA）机制的新型混合框架CNN-WNN-MMHA。CNN提取局部空间特征，WNN进行频域分解以捕获多尺度变化，MMHA建模时间依赖并编码位置信息。模型在突尼斯八年实测气候数据上训练与验证，实验表明其性能显著优于LSTM、BiLSTM和CNN-LSTM等先进方法，MAPE...
解读: 该混合深度学习辐照度预测模型对阳光电源多条产品线具有重要应用价值。在SG系列光伏逆变器中，可优化MPPT算法的前瞻性控制，提前调整功率跟踪策略；在PowerTitan储能系统中，精准的辐照度预测可优化充放电调度策略，提升光储协同效率；在iSolarCloud智能运维平台中，该模型可增强预测性维护能力...
基于图神经网络的电力系统实时多稳定性风险评估与可视化
Real-Time Multi-Stability Risk Assessment and Visualization of Power Systems: A Graph Neural Network-Based Method
Qifan Chen · Siqi Bu · Huaiyuan Wang · Chao Lei · IEEE Transactions on Power Systems · 2024年12月
相较于单一稳定性评估，多稳定性风险评估（MSRA）在应对可再生能源出力波动和系统故障等不确定性时更具实用性。本文提出一种基于图神经网络（GNN）的实时MSRA方法，统一处理功角、电压、频率及换流器主导的多种稳定性问题。通过构建运行状态图与扰动图作为GNN输入，结合图卷积层与初始残差恒等映射，提取高阶特征；引入GraphNorm缓解过平滑并提升泛化能力。基于实时数据实现多稳定性风险的连续预测，并利用alpha形状可视化稳定与不稳定区域。在IEEE 39节点、WECC 179节点及英国电网系统中的仿...
解读: 该GNN多稳定性评估技术对阳光电源PowerTitan储能系统及iSolarCloud平台具有重要应用价值。针对大规模储能电站中ST系列变流器的构网型GFM控制，该方法可实时评估功角、电压、频率及换流器主导的多维稳定性风险，解决可再生能源波动下的系统安全问题。其图神经网络架构可集成至智能运维平台，实...
基于4H-SiC MOSFET的ANN建模用于极端温度应用的SiC放大器设计与验证
Design and Verification of SiC Amplifiers for Extreme Temperature Applications Based on ANN Modeling of 4H-SiC MOSFETs
Wenhao Yang · Yuyin Sun · Mengnan Qi · Shikai Sun 等6人 · IEEE Transactions on Electron Devices · 2025年8月
本研究提出了一种基于高精度人工神经网络（ANN）的碳化硅（SiC）金属 - 氧化物 - 半导体场效应晶体管（MOSFET）建模框架，该框架在较宽的温度范围（27 °C - 500 °C）内实现了误差小于1.2%的高精度建模。所开发的模型可对碳化硅集成电路进行可靠的SPICE仿真，有助于高温模拟电路的设计和实验验证。采用pMOS电流源负载的单级共源（CS）放大器在500 °C时的最大低频增益达到25.5 dB，而两级放大器在500 °C时可实现52.5 dB的增益，单位增益带宽（UGBW）为220...
解读: 从阳光电源的业务视角来看，这项基于人工神经网络的SiC MOSFET建模技术具有重要的战略价值。该研究实现了27°C至500°C宽温度范围内误差小于1.2%的高精度器件模型，为极端环境下的功率电子应用提供了可靠的设计工具。 对于光伏逆变器和储能系统而言，该技术的核心价值体现在三个层面：首先，高温工...
基于数据驱动与知识驱动方法的可再生能源并网系统在线振荡稳定性评估
Online Oscillatory Stability Assessment of Renewable Energy Integrated Systems Based on Data-Driven and Knowledge-Driven Method
Lei Gao · Jing Lyu · Xin Zong · Xu Cai 等5人 · IEEE Transactions on Power Delivery · 2025年5月
随着可再生能源的大规模接入，现代电力系统宽频振荡风险显著增加。然而，可再生能源单元的黑/灰箱特性限制了其稳定性的有效分析。尽管阻抗测量或矢量拟合方法理论上可揭示模型特性，但在实时在线评估中面临挑战。为此，本文提出一种数据驱动与知识驱动相结合的方法，实现可再生能源并网系统的实时振荡稳定性评估。首先，采用数据驱动方法构建基于人工神经网络的宽频阻抗辨识模型；其次，结合场站拓扑与运行工况，在线获取可再生能源电站的宽频阻抗；进而，基于阻抗数据提出适用于复杂系统的在线稳定性评估方法。最后，通过中国某实际系统...
解读: 该宽频振荡稳定性在线评估技术对阳光电源PowerTitan储能系统和SG系列光伏逆变器具有重要应用价值。文章提出的神经网络阻抗辨识方法可集成至iSolarCloud平台，实现ST储能变流器和光伏逆变器在不同工况下的实时阻抗特性监测，有效预警次同步/超同步振荡风险。该数据驱动与知识驱动融合的评估框架可...
网络攻击预测：从传统机器学习到生成式人工智能
Cyber Attack Prediction: From Traditional Machine Learning to Generative Artificial Intelligence
Shilpa Ankalaki · Aparna Rajesh Atmakuri · M. Pallavi · Geetabai S Hukkeri 等6人 · IEEE Access · 2025年1月
网络威胁日益复杂对个人、组织和国家构成重大风险。网络犯罪包括黑客攻击和数据泄露,具有严重经济和社会后果。传统安全解决方案难以应对不断演变的威胁态势。人工智能AI提供强大技术来应对这些挑战。本文探讨AI方法包括机器学习ML、深度学习DL、自然语言处理NLP、可解释AI和生成式AI在解决各种网络安全问题中的应用。关键贡献包括:1)ML和DL方法对比研究,评估准确性、适用性和各种网络安全挑战的适用性;2)可解释AI方法研究,增强AI安全解决方案的透明度和可解释性;3)生成式AI和NLP新兴趋势探索,检...
解读: 该网络安全AI技术对阳光电源iSolarCloud平台和智能设备安全防护有重要参考价值。阳光云平台连接海量光伏储能设备,面临网络攻击威胁。生成式AI和机器学习方法可应用于阳光平台的入侵检测和异常行为识别。可解释AI技术可提升阳光安全系统的透明度,辅助安全运维决策。威胁情报生成和攻击模拟方法对阳光安全...
保护直流微电网免受网络攻击：基于实时实现的混合物理信息神经网络控制策略
Securing DC Microgrids Against Cyber-Attacks: Hybrid Physics-Informed Neural Network Control Strategy with Real-Time Implementation
Sriranga Suprabhath Koduru · Venkata Siva Prasad Machina · Sreedhar Madichetty · S Mishra · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
随着绿色可持续能源转型的加速，可再生能源在直流微电网（DC MGs）中的集成日益重要。然而，在应对网络安全威胁的同时确保高效控制仍具挑战性。现有控制设计常忽视对虚假数据注入（FDI）攻击的防御。本文提出一种融合线性卡尔曼滤波器（LKF）与神经网络（NN）的混合物理信息神经网络（HPINN）方法，通过NN校正提升状态估计鲁棒性，实现攻击检测与缓解。该策略在含燃料电池、光伏及储能系统的三节点环网DC MG中验证，结合MATLAB仿真与实时实验，涵盖源荷变化与FDI攻击场景。结果表明，HPINN能有效...
解读: 该混合物理信息神经网络（HPINN）网络安全防护技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。文章提出的卡尔曼滤波与神经网络融合方案可直接应用于储能系统BMS通信层和微电网EMS控制层，有效抵御虚假数据注入攻击，保障电压电流传感器数据完整性。该技术可集成至iSo...
一种用于长期光伏和风电功率预测的细粒度频率分解框架
A fine-grained frequency decomposition framework for long-term photovoltaic and wind power forecasting
Peng Suna · Tingxiao Dinga · Jin Sua · Yuhan Yanga 等8人 · Solar Energy · 2025年1月 · Vol.301
准确预测太阳能和风能对于实现高效的电网集成至关重要。然而，现有的机器学习和深度学习方法在处理复杂且变化多端的时间序列数据时面临若干挑战，例如通用性有限、泛化能力不足，以及难以平衡计算效率与预测精度之间的关系。为应对这些挑战，本研究提出了一种细粒度频率分解框架（FDF），并设计了一种基于小波变换与下采样策略（连续采样和间隔采样）的序列分解方案。该框架旨在深入挖掘时间序列中的复杂时序模式，并充分捕捉长距离依赖关系。具体而言，FDF首先利用小波变换将原始时间序列分解为多个不同频率的分量；随后，对每个分...
解读: 该细粒度频率分解框架对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过小波变换与采样策略结合,可显著提升光伏功率预测精度(MAE降低7.65%),同时保持轻量化特性(0.29M参数)。该方法可集成至ST系列PCS的功率预测模块,优化PowerTitan储能系统的充放电策略制...
基于混合深度学习方法的分数阶PID-PSS设计用于抑制电力系统振荡
Fractional Order PID-PSS Design Using Hybrid Deep Learning Approach for Damping Power System Oscillations
Devesh Umesh Sarkar · Tapan Prakash · Sri Niwas Singh · IEEE Transactions on Power Systems · 2024年6月
电力需求的急剧增长导致了传统电网的结构变化。现代电力系统包含先进的装置和设备，这使得维持可靠、安全的电力供应颇具挑战。低频振荡（LFO）是现代电力系统中一个显著的现象。为防止功角失稳，需要对这些振荡进行有效抑制。电力系统稳定器（PSS）通常用于解决这一问题。然而，传统的PSS在现代电网中无法有效抑制低频振荡。因此，本文采用混合深度学习方法，设计了一种将分数阶比例积分微分（FO - PID）控制器与传统PSS相结合的控制器。将卷积神经网络（CNN）和长短期记忆网络（LSTM）集成在一起形成CNN ...
解读: 该分数阶PID-PSS技术对阳光电源构网型储能系统具有重要应用价值。在PowerTitan大型储能系统并网运行中，低频振荡抑制是关键技术难点。文章提出的混合深度学习自适应参数整定方法，可直接应用于ST系列储能变流器的虚拟同步机VSG控制策略优化，通过分数阶控制器提升系统阻尼特性。该技术对阳光电源GF...
一种基于神经网络的集成光伏与储能系统交直流功率失配消除策略
A Neural Network-Based Power Mismatch Elimination Strategy for Integrated Solar and ESS AC/DC Systems (MARS)
Qianxue Xia · Suman Debnath · Maryam Saeedifard · IEEE Transactions on Industrial Electronics · 2024年12月
多端口自主可重构太阳能发电厂（MARS）是一种颇具前景的概念，用于将光伏（PV）和储能系统（ESS）集成到交流输电电网和高压直流（HVdc）链路中。MARS各桥臂中光伏和储能系统的存在，导致不同子模块（SM）之间有功功率分布不均，进而造成子模块电容电压不平衡，并有损系统稳定性。此外，在局部遮荫情况下，被遮荫的光伏子模块功率注入会减少，从而导致MARS系统出现功率不匹配问题。为解决这一问题，本文提出了一种基于神经网络的功率不匹配消除（NNPME）策略。所提出的NNPME策略优化了储能系统的使用，并...
解读: 从阳光电源的业务视角来看，这项基于神经网络的功率失配消除技术对我们在光储一体化和柔性直流输电领域具有重要战略意义。MARS系统将光伏、储能与交直流电网深度融合的架构，与我们正在推进的"1+X"模块化逆变器和大型储能系统集成方案高度契合。 该技术的核心价值在于解决了光储系统中的关键痛点。在大型地面电...
利用聚光太阳能热能储存优化固体氧化物电解池：一种混合深度学习方法
Optimization of solid oxide electrolysis cells using concentrated solar-thermal energy storage: A hybrid deep learning approach
Hongwei Liua1 · Wei Shuaia1 · Zhen Yao · Jin Xuan 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 固体氧化物电解池（SOEC）是一种将CO2和H2O转化为合成气的前沿技术，具有显著的经济与环境效益。然而，该过程需要大量的高温热量输入，传统上依赖电能供给。本研究提出一种创新方法，利用聚光太阳辐射作为SOEC的可再生热源，并通过集成热能储存（TES）系统来应对太阳辐射固有的波动性挑战。我们构建了一种混合模型，将多物理场仿真与深度学习算法相结合，能够在实时直法向辐照度条件下快速优化电解过程。研究结果表明，在系统架构中引入TES后，SOEC入口处的温度变化率显著降低了53%，从而确保了运行的稳...
解读: 该研究将光热储能与固体氧化物电解耦合的深度学习优化方法,对阳光电源ST系列储能变流器及PowerTitan系统具有重要借鉴价值。其热能存储系统可降低53%温度波动率的控制策略,可应用于我司储能系统的热管理优化;混合多物理场仿真与深度学习算法的实时优化框架,可增强iSolarCloud平台的预测性维护...
基于物联网多传感器融合的关键特征与混合迁移学习活动识别
IoT-Based Multisensors Fusion for Activity Recognition via Key Features and Hybrid Transfer Learning
Ahmad Jalal · Danyal Khan · Touseef Sadiq · Moneerah Alotaibi 等6人 · IEEE Access · 2025年1月
人类活动识别HAR在医疗保健、智能家居和人机交互等领域备受关注。本文提出使用RGB视频和IMU传感器数据的综合HAR系统。系统采用多阶段处理流程包括预处理、分割、特征提取和分类，实现高精度活动识别。预处理阶段从视频提取帧，IMU数据去噪。分割阶段对视频帧应用朴素贝叶斯分割，对传感器数据应用汉明窗。关键特征提取技术包括图像数据的ORB、MSER、DFT和KAZE，传感器数据的LPCC、PSD、AR系数和熵。使用线性判别分析LDA进行特征融合创建统一特征集，然后使用ResNet50分类识别如使用智能...
解读: 该多传感器融合识别技术可应用于阳光电源智能运维场景。阳光光伏电站和储能站需要工作人员行为识别和安全监控。该HAR系统的视频和传感器融合方法可部署在阳光电站巡检系统，识别运维人员操作行为，确保作业安全规范。结合阳光iSolarCloud平台的视频分析功能，该技术可实现电站人员活动智能监控，检测异常行为...
基于残差视觉重构器的天空图像序列超短期太阳能功率预测
Ultra-Short-Term Solar Power Prediction Using Sky Image Sequences by a Residual Vision Reformer
Razieh Rastgoo · Nima Amjady · Shunfu Lin · S. M. Muyeen · IEEE Transactions on Sustainable Energy · 2025年6月
太阳能发电受云层变化影响显著，具有较强不确定性，给可再生能源系统的稳定性带来挑战。准确的超短期太阳能功率预测有助于提升电网调度与运行效率。本文提出一种基于深度学习的预测模型，包含三个核心模块：多流视频视觉Transformer（MS-ViViT）用于提取天空图像序列的时空特征；融合改进型Reformer（Fused I-Reformer）通过融合编码器和新型损失函数增强序列学习能力；以及带注意力机制的残差全连接网络（ARFC）用于最终功率预测。在六个真实数据集上与36种对比模型进行的实验表明，该...
解读: 该基于天空图像序列的超短期光伏功率预测技术对阳光电源智能运维体系具有重要应用价值。可直接集成至iSolarCloud云平台，通过部署天空相机与深度学习模型，实现5-30分钟级功率预测，显著提升SG系列逆变器的MPPT算法响应速度。对于PowerTitan大型储能系统，该技术可优化充放电策略，通过提前...
基于SCADA数据的周期增强型Informer模型用于短期风电功率预测
Periodic-Enhanced Informer Model for Short-Term Wind Power Forecasting Using SCADA Data
Zhao-Hua Liu · Long-Wei Li · Hua-Liang Wei · Ming Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年4月
针对风电场SCADA系统提供的丰富运行与环境数据，提出一种周期增强型Informer模型用于短期风电功率预测。首先，采用基于v-p曲线与四分位法结合的方法滤除稀疏离群点，并利用DBSCAN算法去除功率曲线中的聚集噪声；其次，基于最大信息系数筛选多特征输入集以提升数据利用效率；进而设计时序卷积网络提取输入特征的标量投影，并融合局部与全局时间戳构建周期信息增强的嵌入层；最后，在Informer模型中引入多尺度深度融合模块，实现跨时间尺度特征的深层整合，有效避免了模型加深带来的资源浪费与过拟合问题。实...
解读: 该周期增强型Informer模型对阳光电源的智能运维和储能系统具有重要应用价值。首先，该模型的多特征输入与时序预测技术可直接应用于iSolarCloud平台的发电预测模块，提升风光储多能互补系统的调度效率。其次，模型的周期性特征提取方法可优化ST系列储能变流器的能量管理策略，特别是在PowerTit...
SolarFusionNet：通过自动多模态特征选择与跨模态融合增强太阳辐照度预测
SolarFusionNet: Enhanced Solar Irradiance Forecasting via Automated Multi-Modal Feature Selection and Cross-Modal Fusion
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...
第 8 / 12 页