找到 2 条结果
考虑计算资源动态聚合的算力中心微电网协调调度优化
Coordinated scheduling optimization for Computility center microgrid considering computing resources dynamic pooling
Jian Zhaoa · Keran Huang · Yuan Gaoa · Xiaoyan Biana 等7人 · Applied Energy · 2025年9月 · Vol.393
摘要 算力中心（CC）是一种通过工作负载调度调节其电力需求的灵活负荷。算力中心微电网可利用CC负荷的灵活性，与光伏发电（PV）的波动性进行协调。然而，算力中心的计算资源存在严重的碎片化问题，该状况限制了工作负载的分配，进而导致算力中心负荷难以与微电网实现有效协调。为解决上述问题，本文提出了一种基于计算资源动态聚合（CRDP）的算力中心微电网协调调度方法。具体而言，首先提出一种工作负载-核心映射模型，通过构建处理器核心状态矩阵，将工作负载转化为电力负荷；随后，提出CRDP方法，根据核心的实时状态对...
解读: 该算力中心微电网协调调度技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。通过计算资源动态池化实现负荷柔性调节,可与我司PowerTitan储能系统协同优化光伏消纳。该工作负载-功率映射模型可启发iSolarCloud平台开发数据中心等柔性负荷接入功能,结合GFM控制技术提升微电...
基于SHAP与物理引导神经网络的卡诺电池主导因素识别与快速优化
Dominant factor identification and fast optimization of carnot battery by integrating SHAP and physics-guided neural network
Yunfei Zhang · Jian Lia · Mingzhe Yua · Xu Chena 等6人 · Applied Energy · 2025年12月 · Vol.401
摘要 卡诺电池是一种新兴的长时电能储存技术，有望大规模应用于促进波动性可再生能源的消纳。然而，卡诺电池由热泵、储热和热机单元组成，其内部存在复杂的能量流耦合关系。在不同工况下决定电-电（PTP）效率的主导因素及其耦合关系尚不明确，传统的优化方法也因耗时较长而制约了优化设计进程。本文构建了SHapley加性解释（SHAP）模型，用于识别卡诺电池的主导因素及其相互间的耦合关系。进一步提出一种融合SHAP与物理引导神经网络（PGNN）的新型优化方法——SPGO方法，能够快速实现最大PTP效率并给出相应...
解读: 该卡诺电池优化技术对阳光电源储能系统具有重要借鉴价值。论文提出的SHAP主导因素识别与物理引导神经网络(PGNN)优化方法,可应用于ST系列PCS及PowerTitan储能系统的效率优化。其多物理场耦合分析思路与SiC器件热管理优化高度契合,PGNN模型在插值/外推场景下误差降低15-30%的表现,...