找到 4 条结果
基于联合分布建模的分布式光伏超短期功率概率预测方法
Ultra-short-term Power Probabilistic Forecasting Method for Distributed Photovoltaic based on Joint Distribution Modeling
Wenqiu Wang · Yuqing Wang · Fei Wang · Fei Xu 等6人 · IEEE Transactions on Industry Applications · 2025年7月
分布式光伏（DPV）超短期功率的准确概率预测对于配电网的运行与调度具有重要意义。针对现有研究未能有效考虑功率预测误差与波动特性之间依赖关系的问题，本文提出一种基于联合分布建模的分布式光伏超短期功率概率预测方法。该方法借鉴大语言模型（LLM）的设计理念，构建了一个能在小样本条件下出色完成时间序列确定性点预测的Transformer模型，为概率预测提供高质量的数据支撑。同时，为了更精细地挖掘功率预测误差与波动特性之间的关系，设计了利用自编码器（AE）提取和度量的深度不确定性，以有效支持功率波动模式识...
解读: 该分布式光伏超短期功率概率预测技术对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。联合分布建模方法可集成到云平台的预测性维护模块，通过Copula函数刻画气象-功率非线性关联，为分布式光伏电站提供15分钟至4小时的概率预测区间，显著提升调度决策可靠性。该技术可优化S...
基于自适应特征提取与时间迁移建模的分布式光伏超短期功率预测
Ultra-Short Term Power Forecasting for Distributed PV Based on Adaptive Feature Extraction and Temporal Transfer Modeling
Boyu Liu · Yuqing Wang · Fei Wang · Ziqi Liu 等6人 · IEEE Transactions on Industry Applications · 2025年8月
准确的分布式光伏发电功率预测对于优化电网运行、提高经济效益以及促进新能源融合至关重要。然而，现有的分布式光伏发电功率预测方法面临着若干挑战：1）卫星云图可为缺乏专业气象测量的分布式光伏提供数据支持，但云图特征建模方法往往会忽略重要特征；2）季节变化和多变的气候条件会导致光伏输出特性在时间分布上产生变化，当数据分布发生变化时，训练好的预测模型表现不佳，导致泛化能力不足。为解决这些问题，本文提出了一种基于自适应特征提取和时间迁移建模的分布式光伏区域超短期功率预测方法。该方法将卷积神经网络的空间特征捕...
解读: 该自适应特征提取与时间迁移建模技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。超短期功率预测可直接集成至云平台的智能诊断模块，通过自适应机制实时提取气象数据与历史出力特征，结合时间迁移学习捕捉不同天气模式下的功率波动规律，为分布式光伏电站提供15分钟至4小时级精...
基于动态图网络与形状-幅值准则的分布式光伏超短期功率确定性与概率预测
A Distributed PV Ultra-short-term Power Deterministic and Probabilistic Forecasting Based on Dynamic Graph Network with Shape-amplitude Criteria
Yuqing Wang · Zhen Zhao · Fei Wang · Shumin Sun 等6人 · IEEE Transactions on Industry Applications · 2025年9月
准确预测分布式光伏发电功率对于确保有源配电网的安全稳定至关重要。然而，目前大多数关于分布式光伏发电功率预测的研究存在一定局限性，主要包括：1）对各发电站点之间动态相关性的考虑不足；2）缺乏能够同时使预测值的幅值和形状与真实值相匹配的训练损失函数。因此，本文提出一种基于形状 - 幅值损失函数的动态图网络分布式光伏超短期功率预测方法。首先，采用数据驱动的方法挖掘动态相关性，并生成动态图数据，以确保对分布式光伏之间的相关性进行有效表征。其次，构建动态图网络作为功率预测模型，以实现对时空相关特征的有效利...
解读: 该动态图网络预测技术对阳光电源iSolarCloud智能运维平台及SG系列逆变器群控系统具有重要应用价值。其形状-幅值准则可优化分布式光伏电站的功率预测精度，直接提升主动配电网调度能力。可应用于：1）iSolarCloud平台的超短期功率预测模块，通过挖掘多站点时空关联提升预测准确性；2）SG逆变器...
基于多智能体强化学习的社区共享储能-光伏系统用于电动汽车负荷管理
Community shared ES-PV system for managing electric vehicle loads via multi-agent reinforcement learning
Baligen Talihati · Shiyi Fu · Bowen Zhang · Yuqing Zhao 等6人 · Applied Energy · 2025年1月 · Vol.380
摘要 在全球能源转型背景下，电动汽车（EV）的快速增长已成为不可逆转的趋势。然而，大规模电动汽车的接入对电力系统的稳定性与可靠性带来了严峻挑战。本研究提出通过社区共享的储能与光伏发电（ES-PV）系统来缓解电动汽车负荷带来的压力。在多智能体强化学习（MARL）框架下，多个决策智能体协同工作，共同管理社区内的各类变量与系统，包括储能系统的充放电策略、智能电动汽车充电策略以及ES-PV系统的电价策略。通过MARL实现的协调与优化，使上述策略能够应对各变量之间的相互依赖关系及动态变化，从而提升整体系统...
解读: 该多智能体强化学习框架对阳光电源社区能源解决方案具有重要价值。研究验证了光储系统可承载38.68%电动车负荷,与公司ST系列储能变流器、SG光伏逆变器及充电桩产品形成协同。多智能体协同优化储能充放电、智能充电及电价策略的思路,可融入iSolarCloud平台,提升社区微网的GFM控制性能。光伏自消纳...