找到 4 条结果
面向约束RoCoF的弹性隐私保护协同控制在信息物理微电网中的应用
Resilient Privacy-Preserving Cooperative Control for Constrained RoCoF in Cyber-Physical Microgrids
Jingang Lai · Chang Yu · Zhigang Zeng · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种弹性分布式控制策略，兼顾频率动态约束（RoCoF与偏差限值）与通信中敏感数据（频率/功率）的隐私保护。通过饱和归一化机制实现数据掩蔽，并基于稳定性条件设计增益选择算法。在IEEE标准微网系统上验证了其在动态扰动下兼顾安全、隐私与暂态性能的有效性。
解读: 该研究对阳光电源ST系列储能变流器（PCS）及PowerTitan大型储能系统的微电网级协同控制具有直接参考价值，尤其适用于含高比例新能源的构网型微网场景。其约束驱动的RoCoF控制可增强组串式逆变器与PCS在弱电网下的惯量响应鲁棒性；隐私保护机制有助于iSolarCloud平台在多主体（源-网-荷...
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...
PowerDiffuser：面向鲁棒电力负荷信号表征的协同对比-重构自监督学习方法
PowerDiffuser: Collaborative Contrastive-Reconstruction Self-Supervised Learning for Robust Power Load Signal Representation
Honggang Yang · Cheng Lian · Bingrong Xu · Ruijin Ding 等5人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
针对智能电表海量负荷数据标注成本高问题，本文提出PowerDiffuser自监督学习框架，融合扩散模型、对比学习与重构学习，设计专用时空特征提取器及适配负荷特性的卷积算子，在多数据集上显著提升下游任务性能。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的负荷预测、异常检测与能效优化具有直接价值。其2D周期性表征方法可增强PCS对用户侧负荷波动的感知能力，建议将PowerDiffuser核心模块集成至iSolarCloud边缘AI推理引擎，支撑组串式逆变器+户...
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...