找到 3 条结果
多任务图自适应学习在澳大利亚国家电力市场多元电价短期预测中的应用
Multi-Task Graph Adaptive Learning for Multivariate Electricity Price Short-Term Forecasting in Australia's National Electricity Market
Yi Li · Chaojie Li · Guo Chen · Xiaojun Zhou 等5人 · IEEE Transactions on Power Systems · 2024年4月
准确的电价短期预测对电力市场数字化至关重要。然而，可再生能源扩张与用电需求增长导致电价波动加剧，预测难度加大。供需不平衡的不确定性及电力市场的时空关联性是精准预测的主要障碍。本文提出一种多任务学习模型MGAAL，结合图注意力机制，并引入异常价格尖峰预测的辅助任务，提升泛化能力并降低过拟合风险。MGAAL采用基于注意力的图神经网络捕捉电力时空流动动态，并通过同方差不确定性和梯度归一化自适应调整任务权重。基于澳大利亚国家电力市场数据的实验表明，该模型性能优于当前先进方法。
解读: 该多任务图自适应学习电价预测技术对阳光电源储能系统具有重要应用价值。在PowerTitan大型储能系统和ST系列储能变流器的能量管理策略中，精准的电价短期预测可优化充放电调度决策，通过峰谷套利提升收益。其图神经网络捕捉时空关联的方法可集成至iSolarCloud云平台，实现多站点储能协同优化。异常价...
一种基于云边智能的配电网分区与运行优化方法
A Cloud-Edge Intelligence-Based Optimization Method for Distribution Network Partitioning and Operation Considering Simulation Inaccuracy
Renjun Wang · Hongjun Gao · Haifeng Qiu · Longbo Luo 等6人 · IEEE Transactions on Power Systems · 2025年1月
针对分布式可再生能源和负荷波动对配电网运行安全的影响，本文提出一种基于云边协同智能的优化方法，用于配电网分区与实时运行控制。该方法在云端集中训练，在边缘侧实时执行，通过新型分区策略降低计算负担，并引入开关重要性评估方法以压缩动作空间维度。建立多智能体马尔可夫决策过程模型，结合改进的混合多智能体软Actor-Critic算法与域随机化方法，提升策略在仿真与实际系统存在模型失配时的鲁棒性。IEEE 33节点系统及实际445节点网络的仿真验证了所提方法的有效性与优势。
解读: 该云边协同优化技术对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。其云端训练-边缘执行架构可直接应用于ST系列储能变流器的分布式协调控制，通过多智能体强化学习实现储能集群的实时功率调度与电网分区管理。域随机化方法增强的鲁棒性可提升储能系统在模型失配场景下的控制可靠...
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...