找到 2 条结果
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...
基于最优电池储能系统的城市级信息建模助力香港城市能源韧性
City-scale information modelling for urban energy resilience with optimal battery energy storages in Hong Kong
Dazhou Ping · Chaosu Li · Xiaojun Yu · Zhengxuan Liu 等6人 · Applied Energy · 2025年1月 · Vol.378
摘要 气候变化和极端天气事件正对城市电力系统构成威胁，导致区域性电力短缺。为增强城市电力系统在气候变化背景下的韧性，光伏（PV）与电池储能系统（BESS）在停电期间维持电力自给方面发挥着关键作用。然而，在综合考虑安全性、能源灵活性、可达性以及能源韧性等多准则因素时，BESS的最佳安装位置与容量配置仍存在不确定性。本研究提出一种新方法，即将地理信息系统（GIS）与多准则决策（MCDM）及有容量限制的p-中值问题相结合，以识别BESS的最佳安装位置与容量分配方案。该方法全面考虑了地理条件（如坡度、土...
解读: 该研究的GIS-MCDM优化方法对阳光电源PowerTitan储能系统和ST系列PCS的城市级部署具有重要指导价值。研究验证了光储协同可将缺电量从13184MWh降至12931MWh,功率缺口削减密度提升107%,这与阳光电源储能系统的削峰填谷和应急备电能力高度契合。建议将该多准则选址模型集成到iS...