找到 2 条结果
从电网运营商视角评估区域电网最大碳减排潜力
Assessing the maximum carbon reduction potential of regional power grids from grid operators' perspective
Yuge Duan · Xiaojun Wang · Fangyuan Si · Zhao Liu 等8人 · Applied Energy · 2026年4月 · Vol.409
本文从电网运营商角度出发，量化分析区域电力系统在源网荷储协同下的最大碳减排潜力，重点探讨高比例可再生能源接入下电网灵活性资源调度、构网型设备支撑能力及碳流追踪机制。
解读: 该研究高度关联阳光电源ST系列储能变流器、PowerTitan液冷储能系统及iSolarCloud平台在电网级碳减排中的支撑作用。构网型（GFM）功能对提升弱电网稳定性至关重要，建议加速推进ST5064/ST6364等GFM-ready PCS在新能源基地配套储能中的规模化应用，并通过iSolarC...
AM-MFF：一种基于注意力机制的多特征融合框架用于鲁棒且可解释的锂离子电池健康状态估计
AM-MFF: A multi-feature fusion framework based on attention mechanism for robust and interpretable lithium-ion battery state of health estimation
Si-Zhe Chen · Jing Liu · Haoliang Yuan · Yibin Tao 等6人 · Applied Energy · 2025年3月 · Vol.381
健康状态（SOH）是电池管理系统（BMS）中的一个关键参数。利用多种数据源可有效提升端到端SOH估计的性能。然而，现有的基于多维特征的方法未能充分挖掘不同数据源之间的内在关联。同时，大多数方法缺乏可解释性，并忽视了噪声带来的不利影响。本研究提出了一种基于注意力机制的多特征融合框架（AM-MFF），以实现鲁棒且可解释的SOH估计。AM-MFF结合了卷积神经网络（CNN）和注意力机制（AM）的优势，能够高效提取并融合健康特征，从而全面感知电池老化信息。该框架将两个运行阶段的数据作为输入，并通过两个独...
解读: 该AM-MFF锂电池SOH估算框架对阳光电源储能系统具有重要应用价值。其多特征融合与注意力机制可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,提升电池健康状态预测精度和抗噪性能。多输入容错设计确保单传感器故障时系统仍可靠运行,符合大规模储能安全需求。注意力分数的可解释性有助于iS...