找到 3 条结果
基于时空图对比学习的风电功率预测
Spatiotemporal Graph Contrastive Learning for Wind Power Forecasting
Guiyan Liu · Yajuan Zhang · Ping Zhang · Junhua Gu · IEEE Transactions on Sustainable Energy · 2025年2月
精确且鲁棒的风电功率预测对电力系统的安全稳定运行至关重要。基于图卷积网络的混合时空预测模型因在空间特征提取方面的优势而受到广泛关注，但其性能易受数据噪声和缺失影响导致的图结构质量下降制约。本文提出一种基于时空图对比学习的混合深度学习模型，其编码器结合自适应图卷积网络与LSTM以捕捉细粒度时空依赖关系。为提升编码器对数据噪声的鲁棒性，我们在特征层和拓扑层引入数据增强，并设计了时序与空间双重视角的对比学习辅助任务。此外，通过融合静态图与可学习参数矩阵构建自适应图以捕获更全面的空间关联。在两个真实数据...
解读: 该风电功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。首先可集成至ST系列储能变流器和PowerTitan系统的能量管理系统(EMS)中,提升风储联合运行的调度精度。其次,该技术的时空图对比学习方法可优化iSolarCloud平台的预测算法,提高新能源电站群的发电预测准确性。特别是其抗噪...
基于平衡点存在性分析的级联变换器系统去中心化自同步方法
A Decentralized Self-Synchronizing Method for Cascaded Converter System Based on Analysis of the Existence of Equilibrium Points
Guangze Shi · Junlan Ou · Zhenxi Wu · Junhao Zhang 等6人 · IEEE Transactions on Power Electronics · 2024年10月
对于级联变流器系统，现有的并网自同步控制方法对电网波动较为敏感，这会影响系统稳定性，还可能导致系统平衡点存在性的问题。为解决这些问题，本文分析了电网电压波动对系统平衡点存在性的影响。提出了一种鲁棒分散自同步控制方法，其中设计了电压校正机制以确保系统平衡点的存在。该方法除保证频率自同步外，还大幅提高了输出功率和功率因数的灵活调节能力。基于控制硬件在环和 RTU 箱的实验结果表明，在电网电压波动和负载变化的情况下，系统具有良好的抗干扰能力和鲁棒性能。
解读: 从阳光电源的业务视角来看，这项去中心化自同步技术对级联变流器系统具有重要的应用价值。在大规模光伏电站和储能系统中，级联变流器架构被广泛采用以提升功率等级和系统灵活性，但电网电压波动一直是影响系统稳定性的核心挑战。 该论文通过平衡点存在性分析，提出的鲁棒性自同步控制方法直接切中当前产品的痛点。传统并...
基于图像分割的屋顶可用面积提取进行光伏资源评估
Photovoltaic resource assessment through roof usable area extraction based on image segmentation
Xiaobin Xua · Jinchao Hua · Haojie Zhang · Yajuan Fenga 等7人 · Solar Energy · 2025年1月 · Vol.297
在大规模屋顶光伏资源（RPV）评估中，传统的可用屋顶面积提取方法主要关注建筑物的外部轮廓，限制了复杂的空间分析能力，并导致评估结果较为粗略。本文提出了一种基于外部和内部轮廓分割的精细化屋顶可用面积提取方法。首先，采用Unet网络对屋顶的外部轮廓进行分割；随后，提出一种基于CNN与Transformer的双分支编码器网络InSF-TransUnet。在TransUnet的基础上引入多尺度CNN编码器，以平衡局部与全局特征。接着，在解码阶段采用多尺度特征融合策略，实现对屋顶内部轮廓的高精度分割。最后...
解读: 该屋顶光伏资源精细化评估技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。基于CNN-Transformer的双分支网络可精准识别屋顶可用面积,为分布式光伏系统容量配置提供数据支撑,优化MPPT算法设计和组串方案。结合iSolarCloud平台的AI诊断能力,可实现从资源评估...