找到 2 条结果
电力电子热建模的多参数模型降阶方法
Multiparameter Model Order Reduction for Thermal Modeling of Power Electronics
Xiaojun Dong · Antonio Griffo · Jiabin Wang · IEEE Transactions on Power Electronics · 2020年8月
本文提出了一种多参数模型降阶（MOR）方法，用于电力电子模块及风冷系统的热建模与仿真。针对有限元（FE）或有限差分法计算成本高、难以应对多参数变动分析的痛点，该方法通过降阶技术显著提升了热仿真效率，为电力电子系统的热设计与优化提供了高效的分析手段。
解读: 该技术对阳光电源的核心产品线具有极高的应用价值。在光伏逆变器（组串式/集中式）及储能系统（PowerTitan/PowerStack）的研发过程中，功率模块的热设计是决定系统功率密度与可靠性的关键。传统有限元仿真在进行多工况、多参数（如环境温度、负载率、冷却风速）迭代优化时耗时巨大。引入多参数模型降...
多任务图自适应学习在澳大利亚国家电力市场多元电价短期预测中的应用
Multi-Task Graph Adaptive Learning for Multivariate Electricity Price Short-Term Forecasting in Australia's National Electricity Market
Yi Li · Chaojie Li · Guo Chen · Xiaojun Zhou 等5人 · IEEE Transactions on Power Systems · 2024年4月
准确的电价短期预测对电力市场数字化至关重要。然而，可再生能源扩张与用电需求增长导致电价波动加剧，预测难度加大。供需不平衡的不确定性及电力市场的时空关联性是精准预测的主要障碍。本文提出一种多任务学习模型MGAAL，结合图注意力机制，并引入异常价格尖峰预测的辅助任务，提升泛化能力并降低过拟合风险。MGAAL采用基于注意力的图神经网络捕捉电力时空流动动态，并通过同方差不确定性和梯度归一化自适应调整任务权重。基于澳大利亚国家电力市场数据的实验表明，该模型性能优于当前先进方法。
解读: 该多任务图自适应学习电价预测技术对阳光电源储能系统具有重要应用价值。在PowerTitan大型储能系统和ST系列储能变流器的能量管理策略中，精准的电价短期预测可优化充放电调度决策，通过峰谷套利提升收益。其图神经网络捕捉时空关联的方法可集成至iSolarCloud云平台，实现多站点储能协同优化。异常价...