找到 6 条结果
基于物理信息神经网络的含非线性频率约束线性交流最优潮流框架的电力系统前瞻调度
Look-ahead Dispatch of Power Systems Based on Linear Alternating Current Optimal Power Flow Framework with Nonlinear Frequency Constraints Using Physics-informed Neural Networks
Guoqiang Sun1Qihui Wang2Sheng Chen3Zhinong Wei4Haixiang Zang5 · 现代电力系统通用与清洁能源学报 · 2025年1月 · Vol.1
可再生能源渗透率的提高削弱了电力系统的频率稳定性。本文提出一种基于线性交流最优潮流框架并计及非线性频率约束的前瞻调度模型以应对该问题。为提升求解效率，引入物理信息神经网络（PINN）准确预测关键频率控制参数。PINN确保学习结果符合真实物理频率动态模型，所预测参数可加速调度模型求解，使其能高效调用商用求解器完成计算。在改进的IEEE 118节点系统上的数值仿真验证了所提模型的有效性与优势。
解读: 该基于PINN的前瞻调度技术对阳光电源储能系统和光伏产品具有重要应用价值。在PowerTitan大型储能系统中，可通过PINN快速预测频率响应参数，优化ST系列储能变流器的一次调频策略，提升电网频率支撑能力。对于工商业光伏场景，该线性化OPF框架结合非线性频率约束，可集成到iSolarCloud平台...
基于稀疏模型集成学习策略的主动配电网有功调度端到端协同优化
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月
随着分布式可再生能源渗透率的提高，新型主动配电网日益采用灵活调节策略。源荷双侧不确定性给配电网调度带来显著挑战，传统“先预测后优化”方法难以量化实时调度与理论最优之间的性能差距。为此，本文提出一种端到端协同优化策略，直接利用格点化气象数值预报等多源信息进行调度决策，省去功率预测中间环节。为应对高维开放场景下的模型训练难题，引入稀疏模型集成学习构建调度策略，并采用约束策略优化求解。算例表明，该策略在光伏无功辅助服务与需求响应场景中优于传统方法。
解读: 该端到端协同优化技术对阳光电源PowerTitan储能系统和SG系列光伏逆变器的智能调度具有重要应用价值。通过跳过传统功率预测环节，直接基于气象数据进行调度决策，可显著提升iSolarCloud云平台的实时响应能力。稀疏模型集成学习策略适用于ST储能变流器的多场景自适应控制，特别是在光伏无功辅助服务...
一种原理约束的风场图像生成框架用于短期风电功率预测
A Principle-Constrained Wind Field Image Generation Framework for Short-Term Wind Power Forecasting
Jingxuan Liu · Haixiang Zang · Tao Ding · Lilin Cheng 等6人 · IEEE Transactions on Power Systems · 2024年8月
随机且非平稳的风特性给风电带来了相当大的不确定性，这对电网管理和市场出清构成了挑战。研究风场的时空特性对于预测未来风电变化至关重要。然而，目前在更精确地描述风场演变特征方面仍有提升空间。在本研究中，通过多阶偏微分方程建模，可将风场演变过程分解为对流、扩散、环流以及其他未知过程。在先验知识和深度学习的共同驱动下，提出了一种新型的物理单元（Phycell），用于从连续的风场图像中学习时间依赖关系。由此，建立了一个递归风场预测框架，以获取未来多步的风场图像。此外，通过引导注意力机制处理风场预测结果，以...
解读: 该风场图像生成框架对阳光电源的风电变流器和智能运维系统具有重要应用价值。可集成至iSolarCloud平台的预测分析模块，提升风电场发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节控制和PowerTitan系统的容量配置提供更准确的数据支撑。通过提前预知风电出力变化，可实现储能系统...
基于深度强化学习的多模态对抗攻击下鲁棒光伏功率预测
Robust Photovoltaic Power Forecasting Against Multi-Modal Adversarial Attack via Deep Reinforcement Learning
Jingxuan Liu · Haixiang Zang · Lilin Cheng · Tao Ding 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
随着深度学习与多模态外部数据在光伏功率预测中的广泛应用，网络攻击尤其是虚假数据注入可能严重误导预测结果，威胁电网安全经济运行。现有研究尚未充分关注多模态协同攻击的影响，且难以应对隐蔽性攻击。为此，本文提出一种新型鲁棒预测框架，通过构建充分利用多模态相关性的对抗攻击模拟潜在虚假数据注入，并采用深度确定性策略梯度算法动态调整各模态权重，以抑制数据污染并保留有效信息。 actor与环境模块预训练以提升收敛性与泛化能力。实验表明，在输入扰动低于5%时，所提方法均绝对误差仅增加0.053 kW，显著优于无...
解读: 该多模态鲁棒预测技术对阳光电源iSolarCloud云平台和PowerTitan储能系统具有重要应用价值。针对光伏电站面临的网络安全威胁，可将深度强化学习的动态权重调整机制集成到智能运维平台中，增强气象数据、历史功率等多源信息融合的抗攻击能力。对于ST系列储能变流器的功率预测模块，该方法可有效抵御虚...
针对风速波动的风力发电系统变流器开路故障鲁棒诊断方法
Robust Diagnosis Method for Open-Circuit Faults in Wind Power System Converters with Special Attention to Wind Speed Fluctuations
Ying Zhu · Bin Sun · Zhinong Wei · IEEE Transactions on Energy Conversion · 2025年5月
本文提出了一种用于风力发电变流器开路故障（OCF）的鲁棒故障诊断框架，重点解决两大挑战对故障诊断的影响，即风速波动（由塔影效应、风切变和复杂环境条件引起）和噪声干扰。本文的主要贡献包括：1）采用派克变换的实时电流幅值归一化（RCAN）机制，用于动态信号校正；2）一种风自适应采样（WAS）策略，用于同步数据采集；3）一种新颖的混合深度学习架构，结合用于时间分析的改进门控循环神经网络（IGRNN）和用于空间特征提取的马尔可夫转移场残差网络（MTF - ResNet）。该方法通过WAS采样处理经RCA...
解读: 从阳光电源的业务视角来看，这项针对风电变流器开路故障的鲁棒诊断技术具有显著的跨领域应用价值。尽管研究聚焦风电系统，但其核心方法论与阳光电源的光伏逆变器、储能变流器等电力电子设备的故障诊断需求高度契合。 该技术的创新点在于通过实时电流幅值归一化（RCAN）机制和风速自适应采样策略，有效应对了动态工况...
通过用户侧数据篡改对耦合电-交通网络的网络攻击
Cyberattack on Coupled Power-Transportation Networks via User-side Data Falsifications
Si Lv · Sheng Chen · Qiuwei Wu · Zhinong Wei 等6人 · IEEE Transactions on Power Systems · 2025年9月
先进信息通信技术的应用使电力与交通系统面临网络攻击风险。现有研究多关注网络设备层面的脆弱性，而忽视了用户侧的潜在威胁。本文揭示了一种通过篡改用户侧数据来破坏电-交通耦合系统运行的攻击策略。攻击者可入侵导航应用，伪造路径与充电站推荐，诱导交通与充电流分布，引发系统不安全运行。本文将攻击决策建模为二元变量，并通过互补约束松弛为连续变量，将原混合整数问题转化为带互补约束的数学规划（MPCC），进而设计带有反馈机制的增强迭代松弛算法，有效识别并修正非光滑松弛，提升收敛质量。数值实验验证了用户侧网络漏洞对...
解读: 该研究揭示的用户侧数据篡改攻击对阳光电源充电桩业务具有重要安全警示价值。攻击者可通过伪造导航推荐诱导充电流分布失衡，直接威胁充电站运营安全。建议在充电桩产品中集成多维度异常检测机制：1）在充电桩控制器中部署实时负荷预测模型，识别异常充电请求聚集；2）结合iSolarCloud云平台构建区域充电流监控...