Younes Ghazagh Jahed · Seyyed Yousef Mousazadeh Mousavi · Saeed Golestan · IEEE Transactions on Sustainable Energy · 2024年11月

近年来，可再生能源和电动汽车的广泛接入使微电网运行面临显著的供需不确定性。本文提出一种面向并网型微电网的在线流驱动能量管理策略，结合循环神经网络（RNN）实现对时序数据的学习与实时决策，并引入名为SustainaBoost（SB）的增强技术以提升系统可持续性与神经网络训练质量，有效应对噪声数据影响。实验结果表明，所提RNN模型在测试集上实现98.7%的最优运行成本降低性能。

解读: 该在线流驱动能量管理技术对阳光电源ST系列储能变流器和PowerTitan储能系统具有重要应用价值。RNN时序学习能力可集成至iSolarCloud平台，实现微电网场景下光伏-储能-充电桩的实时协调优化，提升98.7%成本降低性能直接对应储能系统经济性提升。SustainaBoost抗噪声增强技术可...