找到 2 条结果
基于拓扑可迁移网络的双有源桥变换器家族通用建模方法
A Generic Modeling Approach for Dual-Active-Bridge Converter Family via Topology Transferrable Networks
Xinze Li · Fanfan Lin · Changjiang Sun · Xin Zhang 等6人 · IEEE Transactions on Industrial Electronics · 2024年8月
新兴的电力变换器灰箱建模方法有效缓解了传统基于物理的白箱模型中存在的模型差异问题，同时为数据驱动的黑箱模型提供了一种数据需求少且可解释的替代方案。然而，现有灰箱建模方法仍面临一个重大挑战，即对域外拓扑结构的泛化能力较差。这一局限性使得在遇到新的拓扑结构时，需要重建或重新训练模型，从而阻碍了其广泛应用。针对这些挑战，本文提出了一种专门适用于双有源桥（DAB）变换器拓扑族的通用灰箱建模方法，该方法基于所提出的拓扑可迁移的架构内物理混合密度网络（T²PA - MDN）。作为核心部分，T²PA 网络对循...
解读: 从阳光电源的业务视角来看，这项针对双有源桥（DAB）变换器族的通用灰盒建模技术具有重要的战略价值。DAB拓扑是我司储能系统、光储一体化方案以及电动汽车充电设备中的核心功率变换单元，该技术的拓扑迁移能力直接契合我们产品线多样化的现实需求。 该技术的核心创新在于T²PA-MDN网络架构，通过将电路物理...
多尺度融合图卷积网络用于多站点光伏功率预测
Multi-scale fused Graph Convolutional Network for multi-site photovoltaic power forecasting
Qi Sim · Xinze Zhang · Siyue Yang · Liang Shen 等5人 · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 近年来，通过精细挖掘时空关系的多站点光伏功率预测因其在降低建模成本和提高预测精度方面的潜力而受到广泛关注。然而，现有方法通常忽略了在真实场景中多个站点之间跨不同时间尺度存在的复杂且动态变化的时空相关性。为解决这一局限性，本研究从多尺度视角提出了一种新颖且有效的模型：多尺度融合图卷积网络（Multi-Scale Fused Graph Convolutional Neural Network, MSF-GCN）。MSF-GCN引入了一个多图卷积（MGCN）模块，该模块结合预定义图与可自适应学...
解读: 该多尺度图卷积网络技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。MSF-GCN模型通过多图卷积捕获分布式光伏电站间空间依赖关系,结合多尺度时序分解,可显著提升SG系列逆变器集群的功率预测精度(MAE提升13.21%)。其自适应图学习机制能优化PowerTitan储能系统的充放电策...