找到 3 条结果
基于贝叶斯量子神经网络的高可再生能源渗透电力系统潮流计算
Bayesian Quantum Neural Network for Renewable-Rich Power Flow with Training Efficiency and Generalization Capability Improvements
Ziqing Zhu · Shuyang Zhu · Siqi Bu · IEEE Transactions on Power Systems · 2025年9月
针对高比例可再生能源接入下大规模电力系统潮流计算面临的计算效率与泛化能力挑战，本文提出一种基于贝叶斯量子神经网络（BayesianQNN）的新型潮流计算模型。该模型利用量子计算提升训练效率，并通过贝叶斯方法动态更新对可再生能源不确定性的认知，显著增强对未见场景的泛化能力。为评估模型性能，引入有效维度和泛化误差界两项指标。结果表明，所提方法在训练效率与泛化性能方面均优于现有数据驱动方法，适用于未来稳态电力系统分析。
解读: 该贝叶斯量子神经网络潮流计算技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。在大规模新能源电站集群管理中，该算法可显著提升实时潮流计算效率，为ST系列储能变流器的功率调度提供快速决策支持。其对可再生能源不确定性的动态认知能力，可优化SG光伏逆变器与储能...
基于临界区共性特征的逆变器开路故障诊断方法
Open-Circuit Fault Diagnosis Method for Inverters Based on Common Characteristics in Critical Region
Bo Liu · Tingna Shi · Guozheng Zhang · Yan Yan 等5人 · IEEE Transactions on Power Electronics · 2025年2月
功率开关开路故障是电机驱动系统中常见的故障类型之一。准确、快速地诊断开路故障十分重要。控制器的调节往往会破坏故障电流特征的规律性。控制参数的多种可能性会削弱某些故障诊断方法的泛化能力，即降低诊断方法的准确性。本文首次提出临界特征（CC）的概念，为面对多种可能性干扰因素时的特征提取和准则设定提供了理论基础。然后，将三相电流绝对值的平均值作为临界特征用于诊断逆变器的开路故障。最后，实验结果表明，所提出的方法对不同控制参数具有较强的泛化能力，对噪声和各种负载的敏感性较低，且诊断速度快。
解读: 从阳光电源的业务视角来看，这篇论文提出的基于临界特征的逆变器开路故障诊断方法具有重要的工程应用价值。在光伏逆变器和储能变流器系统中，功率开关器件的开路故障是最常见的失效模式之一，直接影响系统可靠性和发电效率。传统诊断方法往往受控制参数多样性的制约，泛化能力不足，而该方法通过提取"临界特征"这一创新概...
基于自适应特征提取与时间迁移建模的分布式光伏超短期功率预测
Ultra-Short Term Power Forecasting for Distributed PV Based on Adaptive Feature Extraction and Temporal Transfer Modeling
Boyu Liu · Yuqing Wang · Fei Wang · Ziqi Liu 等6人 · IEEE Transactions on Industry Applications · 2025年8月
准确的分布式光伏发电功率预测对于优化电网运行、提高经济效益以及促进新能源融合至关重要。然而，现有的分布式光伏发电功率预测方法面临着若干挑战：1）卫星云图可为缺乏专业气象测量的分布式光伏提供数据支持，但云图特征建模方法往往会忽略重要特征；2）季节变化和多变的气候条件会导致光伏输出特性在时间分布上产生变化，当数据分布发生变化时，训练好的预测模型表现不佳，导致泛化能力不足。为解决这些问题，本文提出了一种基于自适应特征提取和时间迁移建模的分布式光伏区域超短期功率预测方法。该方法将卷积神经网络的空间特征捕...
解读: 该自适应特征提取与时间迁移建模技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。超短期功率预测可直接集成至云平台的智能诊断模块，通过自适应机制实时提取气象数据与历史出力特征，结合时间迁移学习捕捉不同天气模式下的功率波动规律，为分布式光伏电站提供15分钟至4小时级精...