找到 2 条结果
基于天气的光伏功率随机模拟的双向LSTM与基于风格的生成对抗网络
Bi-LSTM and Style-Based Generative Adversarial Network for Stochastic Simulation of Photovoltaic Power Generation Based on Weather
Chunyu Zhang · Xueqian Fu · Zhengshuo Li · IET Power Electronics · 2025年7月 · Vol.18
本文提出一种基于天气场景生成模型的潮流分析方法，该方法能够生成具有真实概率特性、时间特征及全年多样化变化的大量逐小时天气场景，从而全面分析电力系统潮流。通过结合双向长短期记忆网络与基于风格的生成对抗网络，模型有效捕捉气象变量的时序依赖性与多模态分布特征，提升光伏出力随机模拟的精度与多样性，为电网运行与规划提供可靠的输入场景。
解读: 该Bi-LSTM与StyleGAN融合的光伏功率随机模拟技术对阳光电源iSolarCloud智能运维平台及SG系列逆变器控制策略具有重要应用价值。模型生成的高精度逐小时天气-功率场景可直接用于：1）iSolarCloud平台的预测性维护模块，通过多样化场景模拟提升发电量预测准确性；2）ST储能系统的...
控制模式切换驱动的物理引导多智能体图学习用于实时交流/直流潮流计算
Control Mode Switching-Enabled Physics-Guided Multiagent Graph Learning for Real-Time AC/DC Power Flow
作者未知 · IEEE Transactions on Industrial Informatics · 2025年1月
现有交直流潮流计算需要在各种直流控制模式下进行以收敛为导向的反复试算，这增加了计算负担。因此，本文提出一种基于物理引导的多智能体图学习（PG - MAGL）方法，用于可自适应直流控制模式的实时潮流分析。首先，提出一种内置直流控制模式和状态变量的定制图结构，以确保拓扑适应性。然后，提出多智能体图学习（MAGL）方法，实现对直流控制模式的自适应跳转。其关键在于组织多个智能体对各种直流控制模式下的潮流解进行参数化，并根据换流器的运行越限情况预留触发信号，以便智能体切换至后续智能体。为明确触发信号，最终...
解读: 从阳光电源的业务视角来看，这项基于物理引导的多智能体图学习（PG-MAGL）技术对我们在交直流混合电网场景下的产品优化具有重要战略价值。 当前阳光电源的光伏逆变器和储能变流器产品广泛应用于交直流混合微电网系统中，传统潮流计算需要在多种直流控制模式间反复试错求解，这在实时调度和故障响应场景下存在明显...