Honggang Yang · Cheng Lian · Bingrong Xu · Ruijin Ding 等5人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22

针对智能电表海量负荷数据标注成本高问题，本文提出PowerDiffuser自监督学习框架，融合扩散模型、对比学习与重构学习，设计专用时空特征提取器及适配负荷特性的卷积算子，在多数据集上显著提升下游任务性能。

解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的负荷预测、异常检测与能效优化具有直接价值。其2D周期性表征方法可增强PCS对用户侧负荷波动的感知能力，建议将PowerDiffuser核心模块集成至iSolarCloud边缘AI推理引擎，支撑组串式逆变器+户...