找到 18 条结果
考虑时序特征缺失值动态插补的超短期风电功率预测
Ultra-short-term Wind Power Forecasting Considering Dynamic Imputation of Missing Values in Temporal Features
李丹 · 唐建 · 缪书唯 · 黄烽云 等5人 · 中国电机工程学报 · 2025年17月 · Vol.45
针对风电功率预测中时序数据缺失问题，提出一种融合动态插补机制的超短期预测方法。通过设计嵌入时滞衰减插补策略的门控循环单元，动态捕捉缺失值前后观测间的不规则时滞依赖，并结合掩码自相关分析确定最优时窗与衰减参数。构建序列到序列模型以协调输入特征维度变化，输出15分钟至4小时的功率预测序列。实验表明，该方法在含缺失数据场景下较传统方法具有更高精度与稳定性。
解读: 该时序特征缺失值动态插补技术对阳光电源的智能运维和储能系统具有重要应用价值。可直接应用于iSolarCloud平台的风电场监控预测模块，提升发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节和PowerTitan系统的容量配置提供更准确的数据支撑。该方法可与现有GFM/GFL控制算法...
基于物理信息的LSTM电力变压器时间序列预测模型
Physics-Informed LSTM-Based Time-Series Forecasting Model for Power Transformers
Leixiao Lei · Yigang He · Zhikai Xing · Zihao Li 等5人 · IEEE Transactions on Industrial Informatics · 2025年4月
数据的复杂性和有限的模型泛化能力极大地阻碍了预测精度。本文提出了一种具有自适应权重分配的物理信息融合长短期记忆模型（PILSTM - AWA）。首先，PILSTM - AWA采用分段特征提取方法，以增强局部信息捕获能力，提高对非线性数据的特征提取能力。然后，将油中溶解气体的物理分布和动态变化规律嵌入到长短期记忆（LSTM）框架中。设计了PILSTM模型来约束数据波动并预测油中溶解气体。最后，引入自适应动态加权策略来平衡物理信息和数据信息，提高预测精度。本研究利用了一台1000 kV变压器的在线监...
解读: 从阳光电源的业务视角来看，这项基于物理信息的LSTM时序预测技术虽然聚焦于电力变压器油中溶解气体预测，但其核心方法论对我司储能系统和光伏逆变器的预测性维护具有重要借鉴价值。 该技术的核心创新在于将物理约束嵌入深度学习框架，通过自适应权重平衡物理规律与数据驱动信息，这与我司大型储能电站中电池热管理、...
基于OWT-STGradRAM的超短期时空风速预测
Ultra-Short-Term Spatio-Temporal Wind Speed Prediction Based on OWT-STGradRAM
Feihu Hu · Xuan Feng · Huaiwen Xu · Xinhao Liang 等5人 · IEEE Transactions on Sustainable Energy · 2025年2月
考虑风电场中风机站点的方向与距离特征有助于提升风电功率预测精度。本文提出一种基于正交风向变换时空梯度回归激活映射（OWT-STGrad-RAM）的深度学习时空预测方法。该模型将风电场编码为图像，各风机作为图像中的点，通过时空融合卷积网络集成风速、温度和气压等多源数据进行特征融合与预训练，构建特征数据集。利用OWT消除不同主导风向的影响，结合STGrad-RAM刻画风机节点间的方位与距离关系，增强空间特征的可解释性，并用于风速预测。实验结果表明，所提方法在预测精度上显著优于对比模型。
解读: 该风速预测技术对阳光电源的储能和风电产品具有重要应用价值。OWT-STGradRAM模型通过深度学习实现的高精度风速预测，可优化ST系列储能变流器的调度策略和PowerTitan储能系统的容量配置。在风电场应用中，该技术可提升风电并网点功率预测精度，有助于改进储能系统的功率平滑控制和调频调峰性能。模...
基于物理感知回归的径向馈线拓扑重构下分布式能源调度
Physics-Aware Regression for DER Dispatch With Topological Reconfigurations of Radial Feeder
Rahul Chakraborty · Md Salman Nazir · Aranya Chakrabortty · IEEE Transactions on Industry Applications · 2024年9月
本文提出一种基于物理感知多阶段回归（MSR）的算法，用于预测分布式能源资源（DER）的功率调度，以便在具有不同拓扑重构的智能配电系统中提供辅助支持。通过智能选择输入数据训练集解决回归共线性问题，这也显著降低了对电压和电流测量的要求。应用基于逻辑回归的标记方法将数据分类为不相交的训练集，从而显著提高预测精度。此外，通过考虑可切换支路并检测拓扑相似性，将物理感知学习与回归相结合，以实现不同拓扑重构下的预测。本文给出了33节点、含3个DER的馈线和123节点、含5个DER的馈线的仿真结果，以证明所提算...
解读: 该物理感知DER调度技术对阳光电源PowerTitan储能系统与ST系列储能变流器具有重要应用价值。文中提出的拓扑重构自适应算法可直接应用于配电网侧储能系统的智能调度模块，结合iSolarCloud云平台实现多储能站点协同优化。物理约束融合的数据驱动方法可增强SG光伏逆变器与储能系统的联合调度精度，...
基于增量贝叶斯随机配置网络的漂移环境概率风力预测
Probabilistic Wind Power Prediction Using Incremental Bayesian Stochastic Configuration Network Under Concept Drift Environment
Jizhong Zhu · Le Zhang · Di Zhang · Yixi Chen · IEEE Transactions on Industry Applications · 2024年9月
传统数据驱动的概率风力预测方法通常假设外部环境静态不变，而实际工业数据常受概念漂移影响，导致模型性能下降。为此，本文提出一种增量贝叶斯随机配置网络方法。该方法利用无需迭代的轻量级随机权值神经网络SCN建模变量与目标间的潜在关系，并结合贝叶斯推断更新输出层参数，构建概率预测模型BSCN。通过最大均值差异与连续排序概率评分检测虚拟与真实漂移，以真实漂移触发BSCN的增量学习，并设计特定更新策略实现模型自适应。实验表明，该方法在动态漂移环境中能持续学习新模式且不遗忘旧知识，显著提升预测精度。
解读: 该增量贝叶斯预测方法对阳光电源风电和储能产品线具有重要应用价值。首先可用于ST系列储能变流器的功率预测与调度优化，提升储能系统对风电波动的平抑效果。其次可集成到iSolarCloud平台，通过实时漂移检测和自适应学习提高风电场发电预测准确度，优化PowerTitan储能系统的调度策略。该方法的轻量级...
输入长度对短期多步电力负荷预测准确性的影响：CNN-LSTM方法
The Effect of Input Length on Prediction Accuracy in Short-Term Multi-Step Electricity Load Forecasting: A CNN-LSTM Approach
Şeyda Özdemır · Yakup Demır · Özal Yildirim · IEEE Access · 2025年1月
准确的负荷预测对电力系统管理和规划至关重要。由于电能难以储存，短期电力负荷预测对系统运营商意义重大。本文提出创新混合深度学习模型，结合卷积神经网络CNN和长短期记忆LSTM网络，使用住宅用户实时小时数据进行短期多步负荷预测。模型在12种对称递增输入长度配置下测试，包含天气数据。结果表明增加输入长度可提升所有条件下的学习性能，输入长度大于输出长度可提高预测准确性，MAPE改善67%，RMSE改善70%。增加输入长度的多步预测性能优于单步预测。
解读: 该负荷预测技术对阳光电源户用光伏和储能系统的智能能量管理有重要应用价值。阳光户用光储系统需要准确的负荷预测来优化储能充放电策略和光伏自发自用率。CNN-LSTM混合模型可集成到阳光户用逆变器和储能系统控制算法中，结合天气数据和历史负荷实现精准多步预测。该技术可提升阳光户用系统经济性，降低用户电费，提...
考虑多因素动态效应的光伏功率预测：一种基于动态局部特征嵌入的广义学习系统
Photovoltaic Power Prediction Considering Multifactorial Dynamic Effects: A Dynamic Locally Featured Embedding-Based Broad Learning System
Ziwen Gu · Yatao Shen · Zijian Wang · Yaqun Jiang 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
精确的光伏功率预测是新型电力系统高效稳定运行的前提。现有研究多关注温度、辐照度等全局因素与光伏功率的关系，常忽略其局部动态影响，导致预测精度下降。为此，本文考虑多因素间的动态关联，提出一种基于动态局部特征嵌入的广义学习系统（DLFE-BLS）。首先设计动态相空间重构方法（DPSR）刻画多变量数据的动态特性，进而引入动态局部特征嵌入（DLFE）算法提取局部动态特征，并将其融入广义学习系统框架，构建DLFE-BLS模型以提升预测精度。实验结果表明，该模型在多种场景下均优于对比模型，尤其在迁移预测中表...
解读: 该DLFE-BLS光伏功率预测技术对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。其动态相空间重构方法可优化MPPT算法在复杂气象条件下的功率追踪精度，局部动态特征提取能力可提升PowerTitan储能系统的充放电策略优化。该模型在迁移预测场景的优异表现，可直接应用...
基于重叠历史数值天气预报集成的日内风电功率预测
Intraday Wind Power Forecasting by Ensemble of Overlapping Historical Numerical Weather Predictions
Yongning Zhao · Shiji Pan · Yanxu Chen · Haohan Liao 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
数值天气预报（NWP）对提升日内风电功率预测（WPF）精度至关重要。然而，传统方法仅依赖最新单次NWP，忽略了时序发布且时间重叠的多段历史NWP中的隐含信息。为此，本文提出一种融合重叠历史NWP的时空表征学习网络。通过掩码-重构预训练策略提取风电与NWP的隐含特征，并结合端到端微调及硬参数共享的多任务学习机制，提升多风电场预测均衡性。基于5个真实风电场的实验表明，该方法在各预测时域均优于基线模型。
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先，可将其集成至ST系列储能系统的EMS能量管理模块，提升风储联合运行的调度精度。其次，该技术可优化iSolarCloud平台的新能源发电预测功能，通过多时序NWP数据融合提升预测准确度，为用户提供更可靠的发电计划和运维决策支持。特...
基于过渡天气识别与气象预测误差传播的两阶段超短期风电功率预测方法
A Two-Stage Ultra-Short-Term Wind Power Forecasting Method Based on Transitional Weather Identification and Meteorological Prediction Error Propagation
Wei Zhang · Hang Sun · Jiyuan Gao · Gangui Yan 等5人 · IEEE Transactions on Sustainable Energy · 2025年7月
精确的风电功率预测对电力系统安全经济运行至关重要。然而，在过渡天气条件下，风速等气象变量的预测误差增大，导致输入噪声增加，降低预测模型可靠性。本文分析气象输入变量的误差传播机制，提出一种提升过渡天气下短期风电预测精度的策略。首先通过多维气象变量波动特征识别过渡天气时段，进而构建稀疏变分高斯过程（SVGP）与含噪输入高斯过程（NIGP）相结合的两阶段模型，将含噪输入分解为真实数据与噪声并独立建模。通过考虑输入噪声在风电预测中的传播过程并进行修正，SVGP-NIGP模型显著提高了确定性预测精度与区间...
解读: 该风电预测方法对阳光电源储能与风电产品线具有重要应用价值。特别是在ST系列储能变流器和风电变流器中,可将SVGP-NIGP预测模型集成到控制算法中,提升系统在过渡天气下的调度精度。通过对气象预测误差的量化与修正,可优化PowerTitan储能系统的充放电策略,提高新能源-储能联合运行效率。该技术还可...
数据驱动方法在太阳能预测中的研究综述
A review on data-driven methods for solar energy forecasting
Nifat Sultan · Narumasa Tsutsumid · Applied Energy · 2025年1月 · Vol.400
摘要 太阳能光伏发电已成为增长最快的电力生产技术之一，对无碳能源的生产做出了重要贡献。为了充分挖掘其潜力并确保电网的高效集成，精确的太阳能预测技术至关重要。本文通过一项针对2013年至2022年间发表的1323篇研究论文的深入文献计量分析，系统地评述了全球在太阳能预测研究领域的学术贡献。在此基础上，对其中75篇具有重要影响力的文献进行详细考察，揭示了预测方法的发展脉络与当前研究现状。我们评估了统计模型、机器学习、深度学习以及混合模型的应用情况，并分析了它们在不同时间尺度和地理环境下的预测性能。分...
解读: 该综述揭示的深度学习混合预测模型对阳光电源iSolarCloud平台具有重要价值。通过集成机器学习算法可使ST储能系统的充放电策略优化提升20%以上精度,增强电网友好性。深度学习方法可应用于SG逆变器的MPPT算法优化,结合气象参数实现更精准的发电功率预测。混合模型架构为GFM/VSG控制策略提供前...
基于分层特征依赖Transformer的波动性海洋环境下短期海上风电功率预测
Short-Term Offshore Wind Power Forecasting in Volatile Marine Environments Based on a Hierarchical Feature-Dependency Transformer
Tianshuai Pei · Keqi Chen · Lina Yang · Xinzhang Wu 等5人 · IEEE Transactions on Sustainable Energy · 2025年9月
在波动性强的海洋环境中，突发风暴、潮汐变化和剧烈波浪导致时空异质性，严重影响短期海上风电功率预测精度，威胁电网稳定并增加经济成本。现有方法多依赖静态相关性，难以捕捉复杂非线性特征交互。为此，本文提出Hieroformer，一种基于Transformer的新框架，通过动态特征依赖层次结构建模环境演化依赖关系；设计层次感知注意力机制，引入物理归纳偏置以克服传统注意力排列不变性的局限；结合频域滤波器分离有效周期信号与噪声；并在IEEE 118节点系统中验证其显著降低运行成本。实验表明，该模型在真实数据...
解读: 该研究的分层特征依赖Transformer模型对阳光电源的储能和风电产品线具有重要应用价值。特别是对ST系列储能变流器和风电变流器的功率预测与调度优化方面,可通过其层次感知注意力机制提升极端天气下的预测精度。该技术可优化iSolarCloud平台的智能运维算法,提高储能调度和风电并网的经济性。具体应...
FDCA-DSTGCN：一种基于频域信息增益与动态趋势感知的风电场群功率日前预测模型
FDCA-DSTGCN: A Wind Farm Cluster Power Day-Ahead Prediction Model Based on Frequency Domain Information Gain and Dynamic Trend Sensing
Mao Yang · Jiajun Niu · Bo Wang · Dawei Huang 等6人 · IEEE Transactions on Sustainable Energy · 2025年5月
准确的风电场群功率预测对大规模风电接入的新一代电力系统至关重要。现有建模方法忽略风向及频域信息的作用，导致空间信息利用不足，预测精度提升受限。为此，本文提出一种融合频域信息增益与动态趋势感知的风电场群日前功率预测模型。首先，基于图论与多信息渐进融合进行集群划分并设置虚拟信息节点；其次，提出时间窗内主导风向识别方法，构建基于主导风向与风速的动态加权有向图结构；进而，设计引入频域增益通道注意力机制的动态时空图卷积网络（FDCA-DSTGCN）完成预测。在中国内蒙古某风电场群的实证结果表明，所提方法较...
解读: 该风电场群功率预测技术对阳光电源储能与电网侧产品具有重要应用价值。首先可应用于ST系列储能系统的调度优化，通过频域信息增益提升储能容量配置精度，优化充放电策略。其次可集成到iSolarCloud平台，为新能源电站群的智能运维提供更准确的功率预测支持。该模型的动态时空图卷积网络架构也可迁移应用于光伏电...
基于“动态匹配与在线建模”策略的超短期风功率预测
Ultra-Short-Term Wind Power Forecasting Based on the Strategy of “Dynamic Matching and Online Modeling”
Yuhao Li · Han Wang · Jie Yan · Chang Ge 等6人 · IEEE Transactions on Sustainable Energy · 2024年8月
超短期风功率预测对电力系统实时调度、频率调节和日内市场交易具有重要意义。由于天气系统复杂性、机组老化及风电场控制策略等因素，风功率序列的时间依赖关系时变（即概念漂移），导致常用离线建模方法预测精度偏低。在线建模可利用流式数据最新信息捕捉动态变化规律，但现有方法难以满足电网对预测时效性的要求。为此，本文提出“动态匹配与在线建模”策略，通过幅值与波动特征相似性动态筛选训练样本，提升样本代表性并缩短训练时间；同时在匹配过程中引入数值天气预报风速信息以提高预测精度。基于中国三个风电场运行数据的实验结果表...
解读: 该风功率预测技术对阳光电源储能产品线具有重要应用价值。可直接应用于ST系列储能变流器和PowerTitan大型储能系统的调度控制,通过准确预测风电出力波动,优化储能系统的充放电策略,提升调峰调频性能。'动态匹配'方法可集成到iSolarCloud平台,为储能系统提供更精准的调度指令。该技术的在线建模...
基于物理信息深度学习与稀疏数据的电力电子器件剩余寿命预测
Remaining Useful Life Prediction of Power Electronic Devices With Physics-Informed Deep Learning and Sparse Data
Le Gao · Chaoming Liu · Yiping Xiao · Chunhua Qi 等5人 · IEEE Transactions on Power Electronics · 2025年4月
准确预测碳化硅金属氧化物半导体场效应晶体管（MOSFET）的剩余使用寿命（RUL）对于确保电力电子系统的可靠性至关重要，特别是在辐射环境下。然而，大多数现有的深度学习方法依赖于密集采样的退化数据，使其不适用于退化观测数据有限的稀疏数据条件。为解决这一局限性，我们提出了一种用于稀疏RUL预测的物理信息深度学习（PIDL）方法。该方法通过定制的物理信息损失函数，将总电离剂量引起的退化机制（具体为界面和氧化物陷阱电荷积累）融入基于Transformer的神经网络架构中。这种损失函数明确惩罚与导通状态电...
解读: 从阳光电源的业务视角来看，这项针对碳化硅MOSFET剩余寿命预测的物理信息深度学习技术具有重要的战略价值。作为光伏逆变器和储能系统的核心功率器件，碳化硅MOSFET的可靠性直接关系到我们产品在全生命周期内的性能表现和运维成本。 该技术的核心优势在于解决了稀疏数据条件下的寿命预测难题。在实际应用场景...
基于Wind2vec-BERT模型的短期风功率预测
Short-Term Wind Power Prediction Based on Wind2vec-BERT Model
Miao Yu · Jinyang Han · Honghao Wu · Jiaxin Yan 等5人 · IEEE Transactions on Sustainable Energy · 2024年11月
在新能源发展背景下，短期风功率预测的精度要求日益提高。针对风电出力受多重因素影响而具有随机性和波动性，且现有神经网络方法多忽略输入变量间交互作用的问题，本文探索BERT算法在风功率预测中的应用。提出Wind2vec变量嵌入方法以更高效拟合时序变量关系，并结合GARCH模型对预测结果进行波动性建模优化。采用自适应计算时间（ACT）方法对BERT主干网络参数进行微调，增强其对电力序列输入的适应性。通过双向注意力机制与Transformer架构捕捉历史风数据中的细粒度时序依赖关系。基于中国南方电网实际...
解读: 该研究的Wind2vec-BERT预测模型对阳光电源的储能与风电产品线具有重要应用价值。可直接应用于ST系列储能变流器的能量调度优化和PowerTitan大型储能系统的容量配置,提升系统经济性。BERT-GARCH-M模型的高精度预测能力可集成到iSolarCloud平台,优化风储联合运行策略,提升...
通过数值天气预报模型的偏差校正技术提升风力发电预测精度
Enhancing Wind Power Forecasts via Bias Correction Technologies for Numerical Weather Prediction Model
Cheng-Liang Huang · Yuan-Kang Wu · Quoc-Thang Phan · Chin-Cheng Tsai 等5人 · IEEE Transactions on Industry Applications · 2025年2月
摘要：随着能源转型的持续推进以及风力发电装机容量的不断增加，近期研究进展表明，准确的数值天气预报（NWP）能够提高风电功率预测的质量。虽然大多数研究主要关注经过偏差校正的数值天气预报对风速的影响，但很少有研究探讨经过偏差校正的数值天气预报与风电功率预测之间的关系。因此，本研究旨在通过对数值天气预报得出的风速应用偏差校正技术来改进风电功率预测。具体而言，本研究制定了一种合理的后处理策略来修正数值天气预报的输出结果。采用衰减平均法和概率匹配均值法，系统地对三种不同的数值天气预报模型——即雷达天气研究...
解读: 该研究对阳光电源的风电和储能产品线具有重要应用价值。通过数值天气预报偏差校正技术，可显著提升风电场发电功率预测精度，这对我司ST系列储能变流器和PowerTitan储能系统的调度策略优化至关重要。具体而言，精确的风功率预测可用于：1)优化储能系统的充放电调度，提高风储联合运行效率；2)完善iSola...
一种基于改进直流解的物理信息图卷积网络用于交流最优潮流
A Physics-Informed Graph Convolution Network for AC Optimal Power Flow Via Refining DC Solution
Yundi Liu · Yuanzheng Li · Shangyang He · Yang Li 等6人 · IEEE Transactions on Power Systems · 2025年7月
求解大规模电力系统的交流最优潮流（AC - OPF）问题对于整合可再生能源的电力系统运行至关重要。然而，随着系统规模的增大，传统的交流最优潮流数值方法面临计算成本高和收敛困难等挑战。为应对这些挑战，现有研究采用直流最优潮流（DC - OPF）或数据驱动方法。直流最优潮流通过考虑电力系统的固有物理特性（如电压变化）对交流最优潮流问题进行线性化处理，从而提供近似解。同时，数据驱动方法利用其强大的端到端学习能力有效求解交流最优潮流。尽管这两种方法速度都足够快，但直流最优潮流由于其简化假设（忽略了无功功...
解读: 该物理信息图卷积网络技术对阳光电源PowerTitan大型储能系统及ST系列储能变流器的能量管理系统具有重要应用价值。通过快速求解AC-OPF问题，可显著提升储能系统在电网侧的实时调度响应速度，优化多台储能变流器并联运行时的功率分配策略。该方法融合物理约束的特性与阳光电源构网型GFM控制技术高度契合...
机器学习预测三重管相变材料蓄热系统熔化响应时间的潜力
The potential of machine learning to predict melting response time of phase change materials in triplex-tube latent thermal energy storage systems
Peiliang Yan · Chuang Wen · Hongbing Ding · Xuehui Wang 等5人 · Applied Energy · 2025年1月 · Vol.390
准确预测熔化响应时间对于优化热能储存系统至关重要，这类系统在解决建筑环境中热能供需之间的时间不匹配问题中发挥着关键作用。本研究旨在定量预测一种新型三重管热能储存系统的熔化响应时间，该系统结合了相变材料和Y形翅片以增强传热性能。基于焓-孔隙度方法建立了数值模型来模拟熔化过程，在不同的设计和运行条件下共生成60个案例的数据集，其熔化响应时间范围为15至45分钟。研究的关键参数包括翅片角度（10°–30°）、翅片宽度（5–15 mm）以及传热流体温度（60 °C–80 °C）。在模型构建之前，验证了变...
解读: 该相变储能系统的机器学习优化技术对阳光电源ST系列储能变流器和PowerTitan液冷储能系统具有重要借鉴价值。研究中XGBoost算法对热响应时间的92%预测精度,可应用于我司液冷储能系统的热管理优化,特别是三电平拓扑功率器件的散热预测。传热流体温度和翅片宽度作为主导因素的发现,可指导PowerT...