找到 2 条结果
基于降阶Koopman模型与改进等效输入扰动估计器的非线性系统控制
Control of Nonlinear Systems via Reduced-Order Koopman Models and an Improved Equivalent-Input-Disturbance Estimator
Qicheng Mei · Jinhua She · Yanjun Shen · Fei Long 等5人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
本文提出一种结合降阶Koopman模型与改进等效输入扰动（IEID）估计器的非线性系统控制方法，通过平衡截断降低模型维数，并引入可调增益补偿通道提升扰动抑制能力；采用矩阵分解实现控制器与IEID解耦设计，在建模误差和外部扰动下优于PI和传统EID。
解读: 该方法可增强阳光电源ST系列PCS、PowerTitan储能系统及组串式逆变器在弱电网、宽负载波动及模型失配场景下的鲁棒控制性能。尤其适用于光储协同运行中因光照突变、SOC时变导致的非线性动态建模难题。建议将IEID estimator嵌入iSolarCloud智能控制层，与现有MPC或VSG策略融...
基于卫星图像纹理特征与迁移学习的区域光伏功率预测优化高效方法
An efficient approach for regional photovoltaic power forecasting optimization based on texture features from satellite images and transfer learning
Yang Xi · Jianyong Zheng · Fei Mei · Gareth Taylor 等5人 · Applied Energy · 2025年5月 · Vol.385
准确高效的区域光伏发电功率预测对于提升光伏电力供应的稳定性并扩大其市场份额至关重要。近年来的研究进展已将卫星与地面观测数据的特征相结合，基于混合神经网络的模型展现出优异的预测性能。然而，仍存在若干挑战：直接从卫星图像中提取的空间特征往往缺乏细节，且大多数现有预测方法需要大量电力数据样本。因此，在云量变化速率较高的情况下，预测精度易受相位滞后的影响，同时由于区域光伏装置数量庞大且分布分散，计算负担也显著增加。为解决上述问题，本研究提出一种创新的时空特征，该特征将从卫星图像重构的纹理特征（TFs）与...
解读: 该区域光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过卫星图像纹理特征与迁移学习结合,可显著提升SG系列逆变器集群的功率预测精度(RMSE提升72%)并降低相位滞后,特别适用于分布式光伏电站管理。该算法计算效率提升10倍,可与ST储能系统协同优化充放电策略,减少云层...