找到 5 条结果
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...
氢能数据中心的柔性负荷调度：一种效率优先的非凸不确定优化方法
Flexible Load Scheduling of Hydrogen Energy Data Centers: An Efficiency-Preferred Non-Convex Uncertain Optimization Approach
Xinxin Long · Yuanzheng Li · Yang Li · Yun Liu 等6人 · IEEE Transactions on Power Systems · 2025年8月
氢能数据中心（HEDC）作为新兴清洁能源基础设施，具备负荷灵活性，可参与电力需求响应（DR）。本文提出基于DR的调度策略，通过非凸区间优化（NSIO）方法协同优化电能成本与可再生能源（RE）利用率。该方法具有效率优先建模、精确凸松弛及全局最优显式建模优势，有效应对HEDC复杂负荷特性、动态电价与可再生能源不确定性。在改进IEEE 24节点系统上的仿真表明，所提策略显著降低运行成本并提升RE消纳能力，相较五种主流不确定优化方法性能提升2.3%～20.0%。
解读: 该氢能数据中心柔性负荷调度技术对阳光电源储能系统产品线具有重要应用价值。文章提出的非凸区间优化方法可直接应用于ST系列储能变流器和PowerTitan大型储能系统的能量管理策略，通过精确建模氢储能系统的非线性效率特性，优化电解槽/燃料电池的功率调度曲线。该方法处理可再生能源不确定性的能力可增强iSo...
ZTFed-MAS2S：一种用于风电数据填补的可验证隐私与信任感知聚合零信任联邦学习框架
ZTFed-MAS2S: A Zero-Trust Federated Learning Framework With Verifiable Privacy and Trust-Aware Aggregation for Wind Power Data Imputation
Yang Li · Hanjie Wang · Yuanzheng Li · Jiazheng Li 等5人 · IEEE Transactions on Industrial Informatics · 2025年10月
由于传感器故障和边缘站点传输不稳定，风电数据常常存在缺失值。虽然联邦学习能够在不共享原始数据的情况下实现隐私保护协作，但在参数交换过程中，它仍然容易受到异常更新和隐私泄露的影响。在开放的工业环境中，这些挑战更加严峻，因此需要零信任（ZT）机制，即不默认信任任何参与者。为应对这些挑战，本文提出了ZTFed - MAS2S，这是一个集成了基于多头注意力的序列到序列插补模型的零信任联邦学习框架。ZTFed将可验证差分隐私与非交互式零知识证明以及机密性和完整性验证机制相结合，以确保可验证的隐私保护和安全...
解读: 从阳光电源的业务视角来看，这项零信任联邦学习框架虽然聚焦于风电数据补全，但其核心技术对我司在新能源数据管理和多场景协同方面具有重要借鉴价值。 在技术价值层面，该框架解决的数据缺失问题在光伏电站和储能系统中同样普遍存在。我司遍布全球的逆变器和储能设备常因通信不稳定、传感器故障导致数据缺失，影响功率预...
考虑混合不确定性风险量化的发电机组维修调度方法
Generation Maintenance Scheduling for Power Systems Considering the Risk Quantification of Hybrid Uncertainty
Xiao Yang · Yong Zhao · Yuanzheng Li · Cheng Huang 等5人 · IEEE Transactions on Power Systems · 2025年1月
准确量化不确定性引发的风险是制定电力系统发电维修调度（GMS）的关键基础。然而，风电和负荷等不确定变量的概率分布函数难以精确建模或未知，导致其经济风险难以度量，GMS难以合理制定。为此，本文考虑风电与负荷的混合不确定性，提出一种基于区间-概率最差条件风险价值（IP-WCVaR）的GMS方法。首先构建IP-WCVaR风险度量模型，并通过典型概率修正场景推导其解析数学表达式；进而建立基于IP-WCVaR的正负旋转备用模型并嵌入GMS框架，提升系统韧性；最终将风险规避型GMS建模为上下界优化问题，并基...
解读: 该研究提出的混合不确定性风险量化方法对阳光电源的储能和光伏产品线具有重要应用价值。特别是在PowerTitan大型储能系统和SG系列光伏逆变器的调度优化中,可将IP-WCVaR风险度量模型应用于系统维护调度,提升设备可靠性。通过正负旋转备用模型可优化iSolarCloud平台的预测性维护策略,实现储...
一种基于改进直流解的物理信息图卷积网络用于交流最优潮流
A Physics-Informed Graph Convolution Network for AC Optimal Power Flow Via Refining DC Solution
Yundi Liu · Yuanzheng Li · Shangyang He · Yang Li 等6人 · IEEE Transactions on Power Systems · 2025年7月
求解大规模电力系统的交流最优潮流（AC - OPF）问题对于整合可再生能源的电力系统运行至关重要。然而，随着系统规模的增大，传统的交流最优潮流数值方法面临计算成本高和收敛困难等挑战。为应对这些挑战，现有研究采用直流最优潮流（DC - OPF）或数据驱动方法。直流最优潮流通过考虑电力系统的固有物理特性（如电压变化）对交流最优潮流问题进行线性化处理，从而提供近似解。同时，数据驱动方法利用其强大的端到端学习能力有效求解交流最优潮流。尽管这两种方法速度都足够快，但直流最优潮流由于其简化假设（忽略了无功功...
解读: 该物理信息图卷积网络技术对阳光电源PowerTitan大型储能系统及ST系列储能变流器的能量管理系统具有重要应用价值。通过快速求解AC-OPF问题，可显著提升储能系统在电网侧的实时调度响应速度，优化多台储能变流器并联运行时的功率分配策略。该方法融合物理约束的特性与阳光电源构网型GFM控制技术高度契合...