找到 7 条结果
基于SCADA数据的周期增强型Informer模型用于短期风电功率预测
Periodic-Enhanced Informer Model for Short-Term Wind Power Forecasting Using SCADA Data
Zhao-Hua Liu · Long-Wei Li · Hua-Liang Wei · Ming Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年4月
针对风电场SCADA系统提供的丰富运行与环境数据，提出一种周期增强型Informer模型用于短期风电功率预测。首先，采用基于v-p曲线与四分位法结合的方法滤除稀疏离群点，并利用DBSCAN算法去除功率曲线中的聚集噪声；其次，基于最大信息系数筛选多特征输入集以提升数据利用效率；进而设计时序卷积网络提取输入特征的标量投影，并融合局部与全局时间戳构建周期信息增强的嵌入层；最后，在Informer模型中引入多尺度深度融合模块，实现跨时间尺度特征的深层整合，有效避免了模型加深带来的资源浪费与过拟合问题。实...
解读: 该周期增强型Informer模型对阳光电源的智能运维和储能系统具有重要应用价值。首先，该模型的多特征输入与时序预测技术可直接应用于iSolarCloud平台的发电预测模块，提升风光储多能互补系统的调度效率。其次，模型的周期性特征提取方法可优化ST系列储能变流器的能量管理策略，特别是在PowerTit...
一种用于大型风电场动态数据蒸馏与尾流效应校正的非平稳Transformer功率预测模型
A Non-stationary Transformer model for power forecasting with dynamic data distillation and wake effect correction suitable for large wind farms
Guopeng Zhu · Weiqing Ji · Lifeng Cheng · Ling Xiang 等5人 · Energy Conversion and Management · 2025年1月 · Vol.324
可靠的高精度短期功率预测对于保障电力系统安全和提高风能利用率至关重要。然而，风的随机性和非平稳性特征给大规模风电场（WF）中功率预测精度与效率的提升带来了显著挑战。以往的研究通常未能自适应地增强原始数据的特征，并且忽略了风力涡轮机（WTs）之间尾流效应的影响，从而导致预测精度下降。本文提出了一种基于非平稳Transformer模型的新型功率预测方法，该方法结合了动态数据蒸馏与尾流效应校正，以提升预测性能。在所提出的方法中，设计了一种非平稳Transformer模型用于从监控与数据采集（SCADA...
解读: 该非平稳Transformer风电功率预测技术对阳光电源储能系统具有重要应用价值。动态数据蒸馏和尾流效应校正方法可直接应用于ST系列PCS的能量管理系统,提升大规模风储耦合场景下的功率预测精度。非平稳特征提取能力可集成至iSolarCloud平台的预测性维护模块,优化PowerTitan储能系统的充...
基于机器学习的风电机组雷击快速识别系统
A Machine Learning-Enhanced System for Rapid Detection of Lightning-Impacted Wind Turbines
Chanaka Keerthisinghe · Aijun Deng · Xueyin Yu · Rosebud J. Lambert 等5人 · IEEE Transactions on Power Delivery · 2025年12月 · Vol.41
本文提出三步框架实现风电机组雷击事件的快速确认：结合雷电参数、历史报警模式及SCADA数据的机器学习异常检测，聚焦转速、风速和变桨角。在26台实证雷击机组与1650台邻近雷击未损机组上验证，最高置信度下召回率96%、精确率86%，具备规模化部署能力。
解读: 该研究虽聚焦风电，但其SCADA驱动的AI故障诊断框架可直接迁移至阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的状态监测中；尤其适用于风光储混合电站中风-光-储设备的协同雷击风险预警。建议将该算法模块集成至iSolarCloud的‘智能诊断’子系统，并适配组串式...
基于最优清洗调度的印度大型光伏电站非均匀积灰损失评估及性能提升策略
Estimation of non-uniform soiling loss in a utility-scale PV plant in India and strategies for enhanced performance through optimal cleaning schedules
Shoubhik De · Narendra S. Shiradkar · Anil Kottantharayil · Solar Energy · 2025年4月 · Vol.290
摘要 积灰显著影响光伏（PV）系统的效率，尤其是在印度等粉尘沉积严重的地区。在大型光伏电站中，空间上的非均匀积灰问题尤为突出，电站某些区域的发电损失高于其他区域，从而增加了运维管理的复杂性。本研究分析了位于印度南部的一座50 MWp大型光伏电站的组串级SCADA数据，该电站被划分为多个区域，用于生成详细的积灰分布图。基于这些分布图，我们提出了组串级优化和区域级优化两种清洗方法。组串级优化方法采用四个特定的清洗阈值，以确定各区域内最具经济效益的清洗区域；而区域级优化方法则旨在简化清洗流程、提升光伏...
解读: 该研究针对印度大型地面电站的非均匀积灰损失分析,对阳光电源SG系列组串式逆变器及iSolarCloud平台具有重要应用价值。研究基于组串级SCADA数据绘制积灰地图并优化清洁策略,可直接集成到iSolarCloud智能运维平台,结合SG逆变器的多路MPPT优化技术,实现组串级发电损失精准识别。建议将...
增强智慧城市中智能电网的安全性：传统方法与新兴技术的综述
Enhancing smart grid security in smart cities: A review of traditional approaches and emerging technologies
Lahcen Hassine · Nordine Quadar · Younes Ledmaoui · Hasna Chaibi 等7人 · Applied Energy · 2025年11月 · Vol.398
摘要 智能电网代表了城市基础设施的重大演进，能够实现能源管理和服务的优化。然而，这些基础设施极易受到安全挑战的影响，可能导致其运行中断并损害系统的可靠性。这些安全挑战包括日益增长的网络威胁，以及与互联系统相关的特定漏洞，例如监控与数据采集系统（SCADA）、物联网（IoT）和能源管理系统，攻击形式涵盖勒索软件、网络钓鱼到拒绝服务（DoS）攻击等，使这些网络面临重大风险。因此，本研究采用基于科学文献系统性回顾的结构化方法，并对当前智慧城市电力系统安全防护方法进行深入分析。研究步骤包括筛选相关学术文...
解读: 该智能电网安全研究对阳光电源多条产品线具有重要价值。针对SCADA、IoT等互联系统的网络安全威胁,可直接应用于iSolarCloud平台和ST储能系统的防护升级。文中提出的AI入侵检测、区块链加密及边缘计算方案,可增强PowerTitan储能系统和充电站网络的抗DoS攻击能力。建议将传统防火墙与新...
基于多智能体强化学习的混合风电-氢能电站日前交易与功率控制
Day-ahead trading and power control for hybrid wind-hydrogen plants with multi-agent reinforcement learning
Stijn Allya · Timothy Verstraeten · Ann Nowéb · Jan Helsen · Applied Energy · 2025年12月 · Vol.401
摘要 海上风电场及混合风电-氢能电站在多个收益来源中获取收入，而每个来源均存在不确定性与权衡关系，因此最大化其整体盈利能力具有挑战性。由于电力通常在实际发电前进行交易，天气预报在电力交易策略中起着关键作用。此外，其他市场参与者交易与控制策略会影响公共电网的平衡，从而影响通过电网调频所能获得的收益。同时，电解槽的运行状态可能影响当前及近期的氢气生产潜力。为应对上述挑战，本文提出一种新颖的多智能体强化学习（MARL）方法，包含两个专门设计的强化学习（RL）智能体：一个负责日前电力市场交易，另一个负责...
解读: 该多智能体强化学习技术对阳光电源风储氢一体化系统具有重要应用价值。可应用于ST系列储能变流器与电解制氢设备的协同优化控制:日前交易智能体优化PowerTitan储能系统的电力市场竞价策略,实时控制智能体动态调节风电并网与电解槽功率分配。结合iSolarCloud平台的气象预测与市场数据,该MARL架...
风力发电机高级功率曲线建模：基于SGBRT与灰狼优化的多变量方法
Advanced power curve modeling for wind turbines: A multivariable approach with SGBRT and grey wolf optimization
Wenliang Yin · Mengqian Ji · Lin Liu · Ming Li 等7人 · Energy Conversion and Management · 2025年5月 · Vol.332
准确的功率曲线建模对于提升并网风力发电机（WTs）的运行效率和性能至关重要。为了提高建模质量并消除输入变量之间的相互影响，本文提出了一种新颖的多变量功率曲线预测方法，该方法融合了先进的机器学习技术——随机梯度提升回归树（SGBRT）和灰狼优化算法（GWO），并结合创新的数据预处理和特征选择方法。具体研究工作与创新点如下：1）在二维Copula空间中对原始数据进行清洗，以风轮转速作为辅助判据并采用概率描述方式，以处理数据不确定性及非线性依赖关系；2）提出一种偏互信息（PMI）方法用于数据分析，在此...
解读: 该风电功率曲线建模技术对阳光电源具有重要借鉴价值。其SGBRT+GWO优化算法可应用于iSolarCloud平台的光伏功率预测,提升ST储能系统的充放电策略优化精度。PMI特征选择方法可用于SG逆变器的MPPT算法改进,降低计算复杂度。二维Copula数据清洗技术适用于储能电站SCADA数据预处理,...