找到 5 条结果
面向氢-电配电网协同与移动储氢的量子辅助组合Benders算法
Quantum Assisted Combinatorial Benders' Algorithm for the Synergy of Hydrogen and Power Distribution Systems With Mobile Storage
Mingze Li · Siyuan Wang · Lei Fan · Zhu Han · IEEE Transactions on Power Systems · 2025年1月
氢能基础设施的发展有望促进可再生能源在配电网中的消纳。为利用氢能系统的灵活性，本文提出一种混合二进制二次规划模型，用于氢-电配电网协同运行，并建模车载移动储氢设施的路径调度及装卸量。设计了一种量子辅助的组合Benders分解算法，将主问题与子问题分别部署于量子处理单元和经典CPU求解。主问题被重构为量子退火器可高效求解的无约束二进制二次优化问题。在混合量子-经典计算平台上的测试结果表明，随着问题规模增大，该方法呈现优于传统CPU商业求解器的趋势。
解读: 该量子辅助优化算法对阳光电源氢-电综合能源系统具有重要应用价值。在PowerTitan储能系统与氢能耦合场景中，可优化移动储氢车辆调度与充放策略，提升系统灵活性。对于工商业光伏配储项目，该算法可协同SG逆变器、ST储能变流器与氢储能设施的多时间尺度调度，解决大规模混合整数优化难题。量子计算加速特性可...
近额定风速区大型风力机转子推力控制
Rotor Thrust Control for Large-Scale Wind Turbine in Near-Rated Wind Speed Region
Jiaqi Li · Siyuan Fan · Hua Geng · IEEE Transactions on Sustainable Energy · 2025年5月
为限制近额定风速区转子推力的最大值，本文提出一种适用于大型风力机的新型转子推力控制方案，包含推力辨识器、推力控制回路及前馈变桨控制器。基于叶素动量理论，通过简化叶片模型利用叶根面外弯矩实现转子推力在线辨识，并构建推力反馈控制环。进一步设计基于非线性动态逆的最小变桨饱和器（NDI-PS）作为前馈控制器，通过对推力系数曲线进行非线性动态逆实现变桨前馈补偿。仿真结果表明，所提方案在提升1%～1.5%发电功率的同时，叶根与塔底载荷降低约4%，性能优于NREL与金风现有控制器。
解读: 该研究的转子推力控制方案对阳光电源风电变流器产品线具有重要参考价值。其中推力辨识和非线性动态逆控制的思路可应用于我司SG系列风电变流器的控制算法优化，特别是在功率优化和载荷控制方面。通过引入类似的推力反馈控制环和前馈补偿机制，可提升风电变流器在近额定风速区的发电效率和可靠性。该技术还可与iSolar...
基于多模态模型的分布式光伏电站多步功率预测方法
Multi-step power forecasting method for distributed photovoltaic (PV) stations based on multimodal model
Siyuan Fan · Hua Genga · Hengqi Zhang · Solar Energy · 2025年1月 · Vol.298
我们开发了一种融合视觉与物理信息的多模态光伏发电功率预测方法，以解决传统预测方法在应对光伏面板状态变化方面的不足。利用监测设备获取的时间序列图像来观测光伏状态随时间的变化情况，并采用皮尔逊相关系数评估气象与环境因素同光伏功率之间的关系。提出了一种三阶段混合数据重构方法，以解决光伏系统中数据缺失、噪声较高以及时间戳不同步等问题。采用卷积特征提取网络分析光伏面板遮挡对发电效率的影响。引入一种可学习权重的交叉注意力特征融合机制，以克服单一数据融合策略在捕捉复杂相关性方面的局限性。实验结果表明，所提出的...
解读: 该多模态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。通过融合监控图像与物理数据的三阶段混合重建方法,可显著提升SG系列逆变器的MPPT优化精度,特别是在组件遮挡场景下。多步预测能力(MSE提升45.40%)可增强ST系列储能变流器的充放电策略优化,实现更精准的削峰填...
基于GPT的超短期分布式光伏发电功率预测方法
An Ultra-Short-Term Distributed Photovoltaic Power Forecasting Method Based on GPT
Hengqi Zhang · Jie Yang · Siyuan Fan · Hua Geng 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着大量分布式光伏电站并网，提升发电功率预测精度对电力系统安全经济运行具有重要意义。针对现有方法在数据稀缺与随机波动方面的挑战，本文提出一种基于生成式预训练Transformer（GPT）的超短期分布式光伏功率预测方法。通过生成多空间分辨率的虚拟光伏功率数据，预训练Transformer模型，并利用少量实测数据进行微调。注意力机制通过预训练学习历史数据中的相关性，微调实现新电站的轻量化部署与高精度预测。实验结果表明，所提方法在仅1个月实测数据下，相比LSTM、线性模型和Transformer模型...
解读: 该基于GPT的超短期光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。可直接集成至SG系列光伏逆变器的智能诊断系统，通过少量实测数据实现新建电站的快速部署与高精度预测，相比传统LSTM方法RMSE降低37.22%。该技术可优化PowerTitan储能系统的充放电策略，提升...
采用历元依赖自适应损失加权与数据同化的光伏发电功率预测模型
Photovoltaic power forecasting model employing epoch-dependent adaptive loss weighting and data assimilation
Siyuan Fan · Hua Geng · Hengqi Zhang · Jie Yang 等5人 · Solar Energy · 2025年1月 · Vol.290
摘要 准确预测光伏（PV）发电功率对于优化能源管理系统和提升电网稳定性至关重要。本研究提出了一种物理约束的光伏发电功率预测网络（PC-P3reNet），该网络是一种双层深度学习框架，专为局部环境数据保持一致而光伏系统特性变化的场景优化设计。该框架集成了一种基于物理原理的模型，用于计算理论上的光伏发电输出，并通过Huber损失函数将其与实际测量值进行比较。PC-P3reNet的一个独特特征是其自适应损失加权机制，能够在不同的训练历元中动态调整理论数据与实测数据之间的平衡。这一机制使得模型在初始阶段...
解读: 该物理约束深度学习预测模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。其自适应损失加权机制可优化SG系列光伏逆变器的MPPT控制策略,通过融合理论模型与实测数据提升多步预测精度(MAE达0.1837)。该技术可增强ST系列储能变流器的充放电决策能力,改善电网稳定性,并为PowerT...