找到 5 条结果
基于增强多分位数损失的扩张因果卷积风速确定性预测与预测区间
Deterministic Forecasts and Prediction Intervals for Wind Speed Using Enhanced Multi-Quantile Loss Based Dilated Causal Convolutions
Adnan Saeed · Chaoshun Li · Qiannan Zhu · Belal Ahmad · IEEE Transactions on Sustainable Energy · 2025年2月
随着风电渗透率的提高，获取包含不确定性的风速预测对电力系统的规划与调度至关重要。本文提出一种改进的多分位数回归损失函数，可同时生成确定性预测及相应的预测区间。为提升模型效率，设计了一种基于多尺度扩张因果卷积的网络架构，并采用粒子群优化融合多尺度预测以获得最优结果。模型在NREL模拟数据及中国国家电网三个地点的实际运行数据上进行训练与验证，实验表明所提方法在模拟与真实场景下均具有优异的预测性能。
解读: 该风速预测技术对阳光电源储能和风电产品线具有重要应用价值。基于扩张因果卷积的预测方法可集成到ST系列储能变流器和PowerTitan系统的能量管理算法中，提升风储联合运行效率。其多分位数预测区间可优化储能调度策略，为风电波动性补偿提供更精确的容量预留。该方法也可应用于iSolarCloud平台，通过...
基于能量收集的无人机辅助智能反射面系统：5G/6G关键场景的可靠性增强
UAV-Assisted IRS System With Energy Harvesting: Enhanced Reliability in Critical Scenarios for 5G/6G Wireless Communication
Wentao Zhang · Meng Cheng · Qianliang Xiang · Qinmiao Li · IEEE Access · 2025年1月
本文提出无人机辅助智能反射面系统，提升5G/6G地对地用户网络性能，适用于城市拥堵区域深衰落场景。采用射频能量收集为IRS和无人机供电，动态功率分配因子依赖高度相关Nakagami-m参数。数学框架包含高度相关的小尺度和大尺度衰落模型，推导频谱效率和中断概率表达式。仿真验证了分析结果并与现有技术对比，证明系统优越性。
解读: 该无人机能量收集技术与阳光电源无线充电解决方案相关联。阳光在新能源汽车领域积累的无线充电技术可延伸至无人机和智能设备。该研究的RF能量收集和动态功率分配算法，可优化阳光OBC车载充电机的能量管理，提升新能源汽车V2G场景下的通信可靠性和能源利用效率。...
一种面向多地点短期风速预测的以位置为中心的Transformer框架
A location-centric transformer framework for multi-location short-term wind speed forecasting
Luyang Zhao · Changliang Liu · Chaojie Yang · Shaokang Liu 等6人 · Energy Conversion and Management · 2025年1月 · Vol.328
准确的时空风速预测在电力系统优化和可再生能源效率提升中起着至关重要的作用。然而，传统模型通常将多个地点的历史风速数据合并到统一的特征通道中，这种做法削弱了其捕捉空间相关性的能力，从而降低了预测精度。本研究提出，在建模时空关系时保持各位置特有的差异性有助于提升预测性能。基于这一前提，本文构建了一种新颖的基于Transformer、具有以位置为中心架构的预测框架，并引入了若干关键创新：（1）一种时空门控融合单元，能够动态整合地理坐标与时间风速数据，同时保留位置特异性信息；（2）一种重构的Transf...
解读: 该位置中心化Transformer风速预测框架对阳光电源新能源管理系统具有重要应用价值。精准的多点短期风速预测可直接优化ST系列储能变流器的充放电策略,通过时空关联建模提升风光储协调控制精度。其双重增强机制可集成至iSolarCloud平台的预测性维护模块,结合地理坐标与时序数据的门控融合单元能改进...
GMFLDA：基于图卷积网络的lncRNA-疾病关联预测改进方法
GMFLDA: Improved Prediction of lncRNA-Disease Association via Graph Convolutional Network
Kwangsu Kim · Jihwan Ha · IEEE Access · 2025年1月
随着多种异构网络的快速发展，整合多源结构以捕捉实体间与实体内关系的需求日益增长。基于网络的方法在节点标签预测与潜在关联挖掘中表现出色，广泛应用于推荐系统、基因互作及lncRNA-疾病关联预测等领域。本文提出GMFLDA，一种融合图卷积网络与深度矩阵分解的机器学习框架。该模型利用GCN提取lncRNA与疾病的高保真特征表示，并通过多层感知机实现深度矩阵分解以推断潜在关联。实验结果显示，该模型在留一法和五折交叉验证中AUC分别达0.9183与0.9057，性能优于五种前沿方法，展现出卓越的预测能力，...
解读: 该图卷积网络与深度矩阵分解融合方法对阳光电源智能运维体系具有重要借鉴价值。其多源异构网络整合思路可应用于iSolarCloud平台的故障预测：通过构建设备-故障-环境参数的多层关联网络，利用GCN提取SG光伏逆变器、ST储能变流器的运行特征，结合矩阵分解推断潜在故障模式。该方法的高保真特征提取能力可...
利用LGB模型和合成特征增强光伏功率预测
Enhancing Photovoltaic Power Forecasting Using the LGB Model and Synthetic Features
Costanza Luppi · Francesco Lo Franco · Vincenzo Cirimele · Mattia Ricco 等5人 · IEEE Journal of Photovoltaics · 2025年4月
在过去十年里，对可持续能源不断增长的需求使得人们对光伏发电产生了浓厚兴趣。由于光伏发电具有间歇性，准确的光伏功率预测对于光伏系统的高效管理和监测至关重要。在这种情况下，气象数据的准确性至关重要。然而，并不总是能够在当地获取此类数据，而且通常像辐照度这样的一些信息是从其特性未被详细了解的模型中获取的。为克服这一局限性，本研究评估了五种合成特征，这些特征结合了晴空全球水平辐照度和云量数据，用于在没有直接测量数据的情况下估算总辐照度。使用轻梯度提升模型来评估采用这些合成特征的模型的预测性能，并与基于包...
解读: 该LGB模型结合合成特征的光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有直接应用价值。通过时间序列衍生特征和环境变量非线性组合，可显著提升SG系列光伏逆变器的短期功率预测精度，优化MPPT算法的前瞻性控制。在PowerTitan储能系统中，精准的光伏出力预测能改进充放电策略制定，提...