找到 2 条结果 · 储能系统技术
基于深度强化学习的考虑动态风的风电场流动控制
Deep reinforcement learning-driven wind farm flow control considering dynamic wind
Hangyu Wang · Shukai He · Jie Yan · Shuang Han 等5人 · Energy Conversion and Management · 2025年8月 · Vol.337
摘要 克服由尾流效应引起的功率损失对于提高运行中风电场的效率至关重要。风电场流动控制是实现这一目标的关键方法。然而，包括风速和风向变化在内的动态风况以及环境不确定性，给有效的流动控制带来了重大挑战。为应对这些挑战，本文提出了一种基于深度强化学习并考虑动态风的风电场流动控制方法。首先，从LiDAR测量数据中提取动态风波动特征，构建了全面的数据集。随后，开发了一种以动态风作为输入、通过偏航角调整最大化风电场输出功率的流动控制方法。最后，引入双延迟深度确定性策略梯度（Twin Delayed Deep...
解读: 该深度强化学习风电场流控技术对阳光电源储能系统具有重要借鉴价值。TD3算法的实时优化与在线学习机制可应用于ST系列PCS的动态功率调度,通过经验回放处理新能源波动不确定性。动态风况建模思路可迁移至PowerTitan储能系统,结合iSolarCloud平台实现风光储协同控制,优化多能互补场景下的功率...
大型语言模型用于太阳能电池缺陷检测:零样本分类方法
Flat-Panel-Rectenna With Broad RF Energy Harvesting Coverage for Wireless-Powered Sensor Applications
Yan Han · Eunji Kim · Han Lim Lee · IEEE Access · 2024年12月
太阳能电池质量检测对光伏组件性能至关重要,传统缺陷检测依赖大量标注数据。本文提出基于大语言模型的零样本缺陷分类方法,无需训练数据即可识别电池片裂纹、热斑、栅线断裂等缺陷类型,通过视觉-语言模型实现智能化质检。
解读: 该零样本缺陷检测技术可直接应用于阳光电源光伏组件的生产线质检。通过大模型实现免训练的缺陷识别,降低质检系统部署成本,提升SG系列光伏逆变器配套组件的质量控制水平,减少电池片缺陷导致的系统性能损失。...