找到 2 条结果
结合连续学习与多数字孪生机制的物理编码光伏功率预测方法
The physical-encoded Photovoltaic forecasting method combined with continuous learning and multi-digital twins mechanisms
Shuwei Liua · Jianyan Tian · Yuanyuan Daia · Zhengxiong Jia 等5人 · Applied Energy · 2025年1月 · Vol.399
摘要 端到端神经网络模型通常被视为黑箱模型，已被广泛应用于光伏（PV）功率预测中。然而，这类模型在模型适应性、可迁移性和可解释性方面仍面临挑战。为解决上述问题，本文提出了一种物理编码的光伏功率预测模型，该模型将端到端网络分解为数据驱动的外部参数预测模型和物理驱动的功率计算模型。其中，具有明确物理意义的功率计算模型增强了模型的可解释性。本文设计了一种连续学习机制，使模型能够快速适应环境变化，缓解模型漂移的影响，从而提升模型的适应性与可迁移性。同时，引入多数字孪生协同运行机制，融合其他模型的优势，进...
解读: 该物理编码光伏预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。其物理驱动+数据驱动的混合架构可显著提升SG系列逆变器功率预测精度,概念漂移场景下nMAE提升30.5%,跨电站迁移时准确率提升45.8%。持续学习机制能有效应对环境变化导致的模型漂移,增强ST储能系统的充放电策略优...
开式循环抽水蓄能与常规水电站的协调削峰运行：多种运行模式、最优运行边界及其影响
Coordinated peak shaving of open-loop pumped-storage and conventional hydropower plants: multiple operation modes, optimal operating boundaries and associated impacts
Aijun Guoa · Jia Daia · Jianxia Chang · Yimin Wanga 等6人 · Energy Conversion and Management · 2025年1月 · Vol.345
摘要 风能和太阳能的扩展发展迫切需要推进抽水蓄能电站（PSHP）的建设。将开式循环抽水蓄能电站（OL-PSHP）与其河道内水库型水电站（HP）联合运行，形成的协作模式远比传统的闭式循环抽水蓄能复杂得多。本研究聚焦于OL-PSHP，主要目标有三：（1）推导OL-PSHP与HP的多种削峰运行模式，并提出相应的协同运行模型；（2）确定OL-PSHP河道内水库的最优初始水位和日平均下泄流量，以最大化OL-PSHP与HP联合削峰效益；（3）量化OL-PSHP运行对河道内水库系统日内水位波动及出力的影响。本...
解读: 该开环抽水蓄能与常规水电协调调峰技术对阳光电源储能系统具有重要借鉴价值。研究提出的多模式运行策略(抽水-发电-混合模式)与我司ST系列PCS及PowerTitan储能系统的多场景调峰需求高度契合。文中水位边界优化方法可启发我司ESS的SOC动态管理策略,通过GFM控制技术实现储能系统与新能源电站的协...