找到 10 条结果
基于ALBERT-BiLSTM-CRF的变压器套管故障中文命名实体识别
Chinese Named Entity Recognition of Transformer Bushing Faults Based on ALBERT-BiLSTM-CRF
Lijun Jin · Yufang Zhang · Zhikang Yuan · Shuojie Gao 等6人 · IEEE Transactions on Industry Applications · 2024年12月
随着新型电力系统的数字化转型升级，传统电力设备对智能化功能的需求不断增加。套管作为变压器的关键设备之一，仍面临事故难以预测等问题，迫切需要采用数字化手段提高变压器套管的运维效率。目前，运维人员已以文本形式积累了大量变压器套管运行经验，但这些文本中的故障描述专业性强且因人而异，给机器自动进行故障识别带来了挑战。本文提出一种基于 ALBERT - BiLSTM - CRF 的中文变压器套管故障识别方法。首先，基于已发表的论文、故障报告、分析资料、记录和标准构建变压器套管故障数据集。其次，将文本转换为...
解读: 从阳光电源的业务视角来看，这项基于ALBERT-BiLSTM-CRF的变压器套管故障识别技术具有重要的借鉴价值和应用潜力。虽然研究聚焦于传统电力变压器领域，但其核心方法论可直接迁移至我司光伏逆变器、储能变流器等核心设备的智能运维体系中。 该技术的核心价值在于将非结构化的中文故障文本转化为可机器识别...
一种基于双流注意力机制的混合网络用于光伏发电预测
A Novel Dual-Stream Attention-Based Hybrid Network for Solar Power Forecasting
Rafiq Asghar · Michele Quercio · Lorenzo Sabino · Assia Mahrouch 等5人 · IEEE Access · 2025年1月
光伏发电功率预测对保障电网安全运行、降低运营成本具有重要意义。本文提出一种基于双向长短期记忆网络（BiLSTM）与卷积神经网络（CNN）的新型双流混合模型，通过并行提取时间与空间特征，并融合多头注意力机制强化关键特征选择。该模型在不同时间窗口、四季及天气条件下进行实验验证，并与三种单一模型和五种混合深度学习模型对比。结果表明，所提模型在多种气象、季节与气候条件下均具备优异的光伏功率预测精度。
解读: 该双流注意力混合预测模型对阳光电源iSolarCloud智能运维平台和ST系列储能系统具有重要应用价值。BiLSTM-CNN双流架构可集成至云平台的功率预测模块，通过多头注意力机制提升不同季节和天气条件下的预测精度，优化SG系列逆变器的MPPT算法动态响应。对PowerTitan大型储能系统，精准的...
基于注意力机制与并行预测架构的光伏发电功率预测框架
A photovoltaic power forecasting framework based on Attention mechanism and parallel prediction architecture
Zhengda Zhou · Yeming Dai · Mingming Leng · Applied Energy · 2025年1月 · Vol.391
摘要 光伏发电易受气象条件随机波动特性的影响，因此准确可靠地预测光伏发电功率具有重要意义。本文提出了一种新型混合预测框架（注意力机制-扩张因果卷积-双向长短期记忆网络-自回归模型，ADBA模型），用于超短期光伏发电功率预测。该框架结合了注意力机制、精心设计的并行预测架构，以及线性自回归（AR）组件和非线性扩张因果卷积-双向长短期记忆网络（DCC-BiLSTM）组件。首先，利用注意力机制根据输入变量的相对重要性分配权重，以优化多变量时间序列。其次，将优化后的数据分别输入并行架构中的线性和非线性组件...
解读: 该光伏功率预测框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。其Attention-DCC-BiLSTM-AR混合架构可集成至SG系列逆变器的预测性维护系统,通过注意力机制优化多元气象数据输入,并行处理线性与非线性特征,显著提升超短期功率预测精度。该技术可增强1500V系统的MPP...
基于混合博弈与电动汽车共享储能特性的园区综合能源系统协调优化运行
Coordinated Optimal Operation of Park-level Integrated Energy Systems Based on Hybrid Game and Shared Energy Storage Characteristics of Electric Vehicles
王义 · 靳梓康 · 王要强 · 吴坡 等6人 · 高电压技术 · 2025年1月 · Vol.51
针对园区综合能源系统中多利益主体间收益分配不均的问题，提出一种基于混合博弈的双层能量管理模型。构建微网运营商与用户聚合商的互动框架，通过主从博弈确定售能价格，并结合纳什-海萨尼理论实现用户侧利益分配。为降低储能投资成本，挖掘电动汽车集群的可调度潜力，采用CNN-BiLSTM方法处理其历史数据以抑制不确定性，提出利用电动汽车共享储能特性的运行策略。案例分析表明，该模型可有效降低碳排放，实现多方共赢。
解读: 该混合博弈能量管理模型对阳光电源PowerTitan储能系统和充电桩业务具有重要应用价值。研究提出的电动汽车共享储能策略可直接应用于阳光电源充电桩产品线，通过CNN-BiLSTM预测算法优化车网互动调度，降低独立储能配置成本。主从博弈定价机制可集成到iSolarCloud云平台，实现园区级微网运营商...
多尺度协同建模与基于深度学习的风冷数据中心热预测：热管理的新视角
Multi-scale collaborative modeling and deep learning-based thermal prediction for air-cooled data centers: An innovative insight for thermal management
Ningbo Wang · Yanhua Guo · Congqi Huang · Bo Tian 等5人 · Applied Energy · 2025年1月 · Vol.377
摘要 研究数据中心（DC）的热环境及温度分布对于应对设备故障或环境变化等突发事件至关重要。然而，构建从数据中心机房级到芯片级的全尺寸仿真模型面临巨大挑战。本文提出一种独特的方法，将多尺度协同建模与深度学习技术相结合，用于风冷数据中心的热预测。通过将父模型的仿真结果作为子模型的边界条件，构建了数据中心多尺度仿真模型，显著降低了模型复杂度和计算资源消耗。利用实验数据，对不同尺度的模型分别进行了验证。研究了不同冷却策略、送风温度和送风流量对多尺度仿真模型的影响。基于参数化仿真方法，构建了用于训练数据驱...
解读: 该多尺度协同建模与深度学习热管理技术对阳光电源储能系统具有重要应用价值。ST系列PCS和PowerTitan等大型储能产品面临电池簇、模组到电芯的多层级热管理挑战,可借鉴其多尺度仿真方法降低建模复杂度。CNN-BiLSTM-Attention神经网络可集成至iSolarCloud平台,实现储能柜温度...
基于尾流关联的动态超图风电功率超短期预测方法
A Dynamic Hypergraph-Based Ultra-Short-Term Wind Power Prediction Method Considering Wake Effects
钟吴君李培强涂春鸣 · 中国电机工程学报 · 2025年12月 · Vol.45
精准的风电功率预测对电力系统安全稳定运行具有重要意义。针对风电场内风机间受尾流效应影响存在的复杂时空关联特性，现有方法因忽略其动态变化且受限于传统图结构的二元表达能力，难以准确建模多元关系。本文提出一种基于尾流关联的动态超图预测方法，将风机作为节点，利用空间位置与多元关系构建超边，并结合Jensen尾流模型与射线法建立动态超图结构。设计动态超图卷积与双向LSTM融合的时空特征提取与拟合模块，有效捕捉风电功率的动态时空依赖性。基于真实数据的实验验证了该方法在多维度上的优越性。
解读: 该研究的动态超图预测方法对阳光电源的风电变流器和智能运维系统具有重要应用价值。首先，该方法可集成到iSolarCloud平台的预测模块中，提升风电场发电功率预测精度，优化调度策略。其次，对于风储混合电站的ST系列储能变流器，精准的功率预测有助于优化储能调度和容量配置。此外，该方法的时空特征建模思路可...
一种基于多时间分辨率注意力机制的交互网络用于多种电池状态联合估计
A multi-time-resolution attention-based interaction network for co-estimation of multiple battery states
Ruixue Liu · Benben Jiang · Applied Energy · 2025年1月 · Vol.381
摘要 高效且可靠的电池管理系统依赖于对多个电池状态的精确联合估计，包括荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）。然而，由于这些状态在不同时间尺度上具有不同的时间分辨率以及复杂的相互作用，特别是在缺乏历史电池数据的情况下，该任务面临显著挑战。为应对这些挑战，本文提出了一种新颖的端到端多时间分辨率注意力机制交互网络（MuRAIN），用于多种电池状态的联合估计，该方法直接利用当前的充放电循环数据，无需历史数据。MuRAIN方法引入了一个多分辨率分块模块，能够从循环数据中智能提取具...
解读: 该多时间分辨率注意力交互网络技术对阳光电源ST系列储能变流器及PowerTitan储能系统的BMS优化具有重要价值。MuRAIN可实现SOC、SOH、RUL的高精度联合估计,无需历史数据即可基于当前循环数据运行,特别适合浅循环工况下的商业储能应用。该技术可集成至iSolarCloud平台,提升预测性...
通过结合负荷与光伏预测的迁移学习提升基于强化学习的能量管理
Enhancing Reinforcement Learning-Based Energy Management Through Transfer Learning With Load and PV Forecasting
Chang Xu · Masahiro Inuiguchi · Naoki Hayashi · Wong Jee Keen Raymond 等6人 · IEEE Access · 2025年1月
在可再生能源微电网中，高效能量管理对维持系统稳定性和降低运行成本至关重要。传统强化学习（RL）控制器常面临训练时间长和过程不稳定等问题。本研究提出一种融合迁移学习（TL）技术的新型RL方法，利用ResNet18+BiLSTM等先进预测模型生成的合成数据对RL智能体进行预训练，嵌入领域知识以提升性能。基于一年运行数据的实验结果表明，相较于基线模型，TL增强的RL控制器累计运行成本最高降低62.63%，系统不平衡度改善达80%，并显著提升初始性能与训练效率。该方法展现了TL与RL结合在复杂电力系统实...
解读: 该迁移学习增强的强化学习能量管理技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。研究中的ResNet18+BiLSTM预测模型可集成至iSolarCloud云平台，提升光伏-储能微电网的实时调度能力。62.63%的成本降低和80%的系统不平衡改善直接契合阳光电源ESS...
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...
基于注意力驱动贝叶斯优化混合集成的济州岛可再生能源系统精准能源预测
Attention-Driven Hybrid Ensemble Approach With Bayesian Optimization for Accurate Energy Forecasting in Jeju Island's Renewable Energy System
Muhammad Ali Iqbal · Joon-Min Gil · Soo Kyun Kim · IEEE Access · 2025年1月
可再生能源并网带来能源需求和供给预测的迫切需求，波动的用户需求和高变异性能源给供需平衡带来挑战。本文提出注意力驱动贝叶斯优化混合集成框架ABHEF，在济州岛能源混合数据上验证。ABHEF集成ConvBiLSTM、ETCN、TFT和DAT等先进模型捕获短期波动和长期趋势。贝叶斯优化确定各模型最优超参数。CatBoost作为元模型表现最佳。对于小时供给预测，MAE和RMSE相比BiLSTM分别降低52%和50%；对于日供给预测，降低76%和77%。该框架为可再生能源系统能源管理和资源规划提供显著优势...
解读: 该能源预测技术对阳光电源智慧能源管理平台iSolarCloud有重要应用价值。阳光iSolarCloud管理海量光伏储能电站，需要精准的发电和负荷预测。ABHEF混合集成框架可集成到阳光预测系统中，结合天气数据和历史运行数据实现高精度多时间尺度预测。该技术可优化阳光储能系统充放电策略和新能源消纳，提...