找到 25 条结果 · 光伏发电技术
基于I-V曲线成像与双流深度神经网络的光伏系统遮挡类型及严重程度诊断
Shading type and severity diagnosis in photovoltaic systems via I-V curve imaging and two-stream deep neural network
Zengxiang Hea · Hong Cai Chen · Shuo Shan · Yihua Hu 等6人 · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 遮挡是光伏（PV）系统中最常见的异常现象之一，会导致功率损失和热点效应。目前大多数研究仅能实现遮挡检测，而无法进一步诊断遮挡的类型和严重程度。本文提出了一种结合I-V曲线成像与双流深度神经网络（DNN）的有效方法，用于诊断遮挡类型，并估计实际运行光伏系统中五种常见遮挡类型的严重程度。该方法首先对光伏组串的I-V曲线进行重采样，并转换至标准测试条件（STC），以消除数据尺度和环境因素对遮挡诊断结果的影响。随后，采用一种称为格拉米安角和场（Gramian angular summation f...
解读: 该阴影诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。通过I-V曲线成像与双流深度神经网络,可实现阴影类型识别与严重程度量化评估,弥补现有MPPT优化技术仅能检测异常但无法精准诊断的不足。建议将GASF时序成像与LSTM-CNN融合算法集成至智能运维平台,结合组串级...
基于动态参数的物理信息神经网络用于短期光伏功率预测：融合物理信息与数据驱动
Dynamic-parameter physics-informed neural networks for short-term photovoltaic power prediction: Integrating physics-informed and data driven
Weiru Wanga · Hanyang Guoa · Shaofeng Liub · Yechun Xina 等6人 · Applied Energy · 2025年1月 · Vol.401
为了克服传统混合预测模型中物理约束刚性以及样本不平衡的局限性，本文提出了一种基于动态参数物理信息神经网络（DP-PINN）的新型短期光伏（PV）功率预测框架。基于牛顿-拉夫森优化的K-means++（NBRO-Kmeans++）算法将天气划分为四种类型，与标准K-means++相比，轮廓系数提升了6.6%至45.8%。采用合成少数类过采样技术（SMOTE）对少数类样本进行动态平衡，在该情况下使均方根误差（RMSE）降低了50.5%。物理方程根据天气类型进行动态调整，三重约束损失函数融合了数据拟合...
解读: 该DP-PINN动态物理信息神经网络技术对阳光电源iSolarCloud智慧运维平台及SG系列光伏逆变器具有重要应用价值。通过天气分类与SMOTE样本平衡,极端天气下RMSE降低50.8%,可显著提升光伏电站功率预测精度。其动态参数优化机制(光电转化效率η、温度系数α可学习)与阳光电源MPPT优化技...
可再生能源驱动的膜技术：集成太阳辐照度预测用于光伏驱动苦咸水淡化系统的预测控制
Renewable energy powered membrane technology: Integration of solar irradiance forecasting for predictive control of photovoltaic-powered brackish water desalination system
Martin Ansong · Emmanuel O.Ogunniyi · Blanca Pérez Jiméneza1 · Bryce S.Richards · Applied Energy · 2025年1月 · Vol.401
摘要 太阳辐照度（SI）的波动会扰乱光伏（PV）发电系统的输出功率，导致直接耦合的光伏驱动膜法脱盐系统出现运行不稳定和非预期停机，从而降低产水率、水质和能源效率。传统的基于储能的缓解策略会增加系统成本和复杂性。基于天空成像的SI预测技术能够分析天空状况，并提供长达15分钟的SI预测，为减少功率波动影响提供了替代方案，且无需过度依赖储能系统。本研究将一种基于图像的太阳辐照度预测系统（SIFS）集成至一套光伏驱动的苦咸水脱盐系统中。该SIFS采用卷积神经网络-长短期记忆（CNN-LSTM）模型，利用...
解读: 该光伏预测控制技术对阳光电源SG系列逆变器与ST储能系统集成具有重要价值。研究通过CNN-LSTM模型实现15分钟光照预测,可与我司MPPT优化算法协同,提升直驱式光伏系统稳定性。建议将天空成像预测技术集成到iSolarCloud平台,结合VSG虚拟同步发电机控制策略,在减少储能配置的同时优化功率波...
SolarNexus：一种用于自适应光伏功率预测与可扩展管理的深度学习框架
_SolarNexus_: A deep learning framework for adaptive photovoltaic power generation forecasting and scalable management
Hyunsik Mina · Byeongjoon Noh · Applied Energy · 2025年1月 · Vol.391
摘要 光伏（PV）功率预测在可再生能源管理中发挥着关键作用。然而，传统预测模型通常难以适应动态环境变化，并在不同区域间实现有效扩展。针对这些挑战，本文提出了一种融合时间卷积网络（TCN）、多头注意力机制（MHA）、在线学习和迁移学习的深度学习框架。为验证所提方法的有效性，我们采用了来自韩国九个太阳能电站的数据。该数据集来源于韩国开放数据门户和韩国气象厅，涵盖了2017年1月1日至2019年12月31日的逐小时光伏发电量及气象参数，其中两年用于训练，一年用于测试。我们在相同条件下将所提出的TCN-...
解读: 该深度学习预测框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。TCN-MHA在线学习模型可集成至SG系列逆变器和ST储能系统的智能调度算法,实现17.19%的NRMSE预测精度,支持多区域迁移学习降低85%训练时间和99%功耗。该技术可优化PowerTitan储能系统的充放电策略,...
一种针对异质城乡区域的全面逐栋建筑屋顶光伏系统检测方法：以法国领土为例
A comprehensive building-wise rooftop photovoltaic system detection in heterogeneous urban and rural areas: application to French territories
Martin Thebault1 · Boris Nerot1 · Benjamin Govehovit · Christophe Menezo · Applied Energy · 2025年1月 · Vol.388
摘要 随着屋顶光伏（RPV）系统的快速扩张，准确识别这些装置的位置对于城市规划、电网管理以及社会经济分析变得至关重要。然而，现有的欧洲RPV系统数据集在空间覆盖范围和精度方面往往存在局限性，尤其是在建筑风格多样的地区。本研究提出了一种新颖的识别RPV系统的方法，该方法采用基于高分辨率航空影像和建筑物登记数据训练的卷积神经网络（CNN）。与传统的基于图像切片的方法不同，我们提出了一种逐栋建筑的处理方式，确保对每栋建筑进行独立评估。该模型在代表多种屋面材料和城市类型的五个法国省份进行了训练和验证。结...
解读: 该研究基于CNN深度学习的屋顶光伏系统识别技术,对阳光电源SG系列逆变器市场布局和iSolarCloud智慧运维平台具有重要价值。通过建筑级精准识别法国4000万建筑中的60万光伏系统,可为分布式光伏并网规划、储能系统(ST系列PCS/PowerTitan)配置优化提供数据支撑。该方法论可应用于电网...
基于卫星图像纹理特征与迁移学习的区域光伏功率预测优化高效方法
An efficient approach for regional photovoltaic power forecasting optimization based on texture features from satellite images and transfer learning
Yang Xi · Jianyong Zheng · Fei Mei · Gareth Taylor 等5人 · Applied Energy · 2025年1月 · Vol.385
准确高效的区域光伏发电功率预测对于提升光伏电力供应的稳定性并扩大其市场份额至关重要。近年来的研究进展已将卫星与地面观测数据的特征相结合，基于混合神经网络的模型展现出优异的预测性能。然而，仍存在若干挑战：直接从卫星图像中提取的空间特征往往缺乏细节，且大多数现有预测方法需要大量电力数据样本。因此，在云量变化速率较高的情况下，预测精度易受相位滞后的影响，同时由于区域光伏装置数量庞大且分布分散，计算负担也显著增加。为解决上述问题，本研究提出一种创新的时空特征，该特征将从卫星图像重构的纹理特征（TFs）与...
解读: 该区域光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过卫星图像纹理特征与迁移学习结合,可显著提升SG系列逆变器集群的功率预测精度(RMSE提升72%)并降低相位滞后,特别适用于分布式光伏电站管理。该算法计算效率提升10倍,可与ST储能系统协同优化充放电策略,减少云层...
使用多通道单维卷积神经网络模型评估高密度城市区域的建筑一体化光伏潜力
Assessing building-integrated photovoltaic potential in dense urban areas using a multi-channel single-dimensional convolutional neural network model
Xiaotian Geng · Senhong Cai · Zhonghua Gou · Applied Energy · 2025年1月 · Vol.377
摘要 评估建筑一体化光伏（BIPV）潜力对于太阳能的全面推广与部署具有重要意义。传统模型大多依赖形态学参数进行光伏潜力评估，在高密度城市区域中存在对城市形态主观认知强、泛化能力差等挑战。本研究采用卷积神经网络（CNN）进行三维建模，以评估中大规模城市尺度下的BIPV潜力，提出了一种多维单通道一维CNN模型框架。该模型结合高斯混合模型与建筑物点云数据，提取建筑窗墙比，从而增强建筑群点云中的个体特征；同时利用三维物理模型提取建筑地理朝向信息，并通过空间连通性整合点云分布，以解决点云卷积旋转不变性导致...
解读: 该BIPV潜力评估技术对阳光电源SG系列光伏逆变器和智能运维平台具有重要应用价值。基于CNN的三维建模方法可精准预测城市建筑光伏发电潜力,为SG逆变器在密集城区的容量配置和MPPT优化提供数据支撑。研究中的点云数据处理和地理方位提取技术可集成至iSolarCloud平台,实现建筑光伏系统的智能选址和...
通过机器学习技术预测屋顶几何形状以释放太阳能潜力——一项综述
Unlocking solar potential through machine learning techniques for roof geometry prediction- A review
Dina Shat · Sara Omrani · Robin Drogemuller · Simon Denman 等5人 · Solar Energy · 2025年1月 · Vol.302
摘要 全球向可再生能源的转型凸显了优化住宅太阳能光伏（PV）系统的必要性。准确的屋顶几何形状预测对于提高屋顶太阳能安装的效率和可扩展性至关重要。本综述考察了近期为提升屋顶几何预测精度而设计的机器学习（ML）方法，综合分析了包括卷积神经网络（CNN）和多任务学习框架在内的最新技术，以评估预测精度和计算效率方面的改进。本文还强调了当前面临的挑战，例如数据可用性、多样化数据集的整合（如航拍影像和LiDAR扫描）以及地理泛化能力，并提出了未来研究的方向。未来的研究机会包括开发鲁棒且可扩展的机器学习模型以...
解读: 该机器学习屋顶几何预测技术对阳光电源户用光伏系统具有重要应用价值。通过CNN等深度学习模型精准预测屋顶结构,可优化SG系列逆变器的MPPT配置方案和组串设计。结合iSolarCloud平台,能实现屋顶光伏潜力自动评估、系统容量智能推荐及安装方案优化。该技术可与阳光电源储能系统ST系列协同,通过屋顶数...
基于热成像驱动的卷积神经网络预测太阳能光伏组件热点寿命
Thermal image-driven CNN for predicting solar photovoltaic module lifespan from hotspots
Ashwini Raoran · Dhiraj Magar · Yogita Mistr · Solar Energy · 2025年1月 · Vol.302
摘要 光伏（PV）组件的可靠性研究目前仍处于发展阶段。影响系统性能下降的环境因素已得到研究，这些因素依赖于环境条件、技术类型、设计以及所使用的材料。因此，对这些因素进行详细分析至关重要，以便能够量化组件的退化程度。当前面临的挑战主要来自热致退化，其中热点的形成会加速老化过程，缩短组件使用寿命，直接影响系统的经济性和可靠性。现有的检测方法缺乏对寿命进行定量评估的预测能力，限制了有效的维护规划和投资决策。本研究提出了一种改进的卷积神经网络（Mod-CNN），该网络利用热成像图像，结合退化机制来预测太...
解读: 该热成像CNN预测技术对阳光电源SG系列光伏逆变器和iSolarCloud智慧运维平台具有重要应用价值。通过集成热斑识别与寿命预测模型,可增强MPPT优化算法的故障预判能力,实现从被动巡检到主动预测性维护的升级。该技术可嵌入iSolarCloud平台,结合逆变器实时监测数据,构建电站级健康度评估体系...
基于卷积神经网络的归一化I-V曲线光伏故障诊断及可解释性分析
CNN-based photovoltaic fault diagnosis using normalized I–V curves with Explainability analysis
Woogyun Shin · Jin Seok Lee · Young Chul Ju · Hye Mi Hwang 等5人 · Solar Energy · 2025年1月 · Vol.301
摘要 全球各国正在扩大可再生能源的应用，以实现2050年碳中和目标。在各类可再生能源中，太阳能的发展速度最快，部署规模最为广泛。随着光伏（PV）电站数量的增加，运维市场不断扩大，故障诊断技术也逐步发展，融合了传统方法与人工智能技术。本研究提出一种利用光伏组串的归一化电流-电压（I-V）曲线并结合卷积神经网络（CNN）的故障诊断方法。实测的I-V曲线通过考虑辐照度、组件温度和衰减率的仿真模型进行归一化处理。归一化后的曲线根据其形态特征和电气参数被标注为正常状态或六种故障类型之一。使用这些数据训练的...
解读: 该基于CNN的光伏故障诊断技术对阳光电源SG系列逆变器及iSolarCloud平台具有重要应用价值。通过归一化I-V曲线实现99.39%验证准确率的六类故障识别,可直接集成至智能运维系统,增强预测性维护能力。技术核心在于消除辐照度和温度影响的归一化处理,与阳光电源MPPT优化算法形成互补,可在组串级...
基于RGB成像的太阳能光伏故障分类深度学习及预处理技术比较
Deep learning for solar PV fault classification using RGB imaging and comparison of preprocessing techniques
Muthu Eshwaran Ramachandran · Gurukarthik Babu Balachandran · Petchithai Velladurai · Arthy Rajakumar · Solar Energy · 2025年1月 · Vol.301
摘要：有效检测太阳能光伏（PV）系统中的故障对于确保系统最佳性能和维护至关重要。本研究探讨了不同图像预处理技术对基于深度学习的分类模型准确性的影响，所用的光伏组件RGB图像（包括鸟粪、灰尘、物理/电气损伤、积雪和清洁状态）来自Kaggle数据集。每个像素的R、G、B值捕捉了视觉特征，并通过预处理进一步增强。因此，RGB图像作为卷积神经网络（CNN）分类的原始输入。研究结果表明，仅使用原始RGB图像时，模型准确率仅为85%–89%，但当结合预处理技术（灰度转换+高斯模糊）后，性能显著提升至最高94...
解读: 该深度学习故障分类技术对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要应用价值。研究证实通过灰度转换+高斯模糊预处理可将RGB图像故障识别准确率提升至94%,可直接集成至iSolarCloud的预测性维护模块,实现鸟粪、灰尘、物理损伤等六类故障的自动识别。该轻量化CNN模型(...
ConvODE-Mixer：一种用于超短期光伏功率预测的多模态深度学习模型
ConvODE-Mixer: A multimodal deep learning model for ultra-short-term PV power forecasting
Binbin Yonga · Yanxiang Zhang · Jun Shenb · Aiai Renb 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 太阳能已成为应对全球能源与环境挑战的关键可再生能源。由于气象因素引起的光伏发电随机波动，光伏功率预测仍面临重大挑战，可能引发电网不稳定事件。本文提出了一种名为ConvODE-Mixer的多模态模型，该模型将卷积神经网络（CNN）与神经常微分方程（NODE）相结合，以提高超短期光伏功率预测的准确性。通过融合地面云图（GBCI）和气象数据，ConvODE-Mixer采用多尺度轻量化缩减型空洞空间金字塔池化（LR-ASPP）分割模块来捕捉云层厚度的变化，并引入通道注意力机制对光透射率敏感特征进行...
解读: 该ConvODE-Mixer多模态超短期光伏功率预测技术对阳光电源SG系列逆变器及ST储能系统具有重要应用价值。通过融合地基云图与气象数据,10分钟预测精度显著提升(MSE降低40.45%),可深度集成至iSolarCloud平台实现预测性运维。该技术能优化储能系统充放电策略,配合GFM控制技术提升...
基于迎风侧首排数据与深度学习的长跨柔性光伏阵列风压分布预测
Prediction of wind pressure distribution on long-span flexible photovoltaic arrays using windward first row data and deep learning
Hehe Rena · Haoyue Liua · Shitang Kea · Wenxin Tiana 等8人 · Solar Energy · 2025年1月 · Vol.298
摘要 长跨柔性光伏（PV）结构是解决“光伏+”发展挑战的关键方案之一。然而，其大跨度、轻质、低刚度和高离地间隙等特性加剧了风致振动效应，使得风荷载成为结构设计中的关键因素。鉴于风压试验中风压数据具有空间分布特征且测点数量受限，本文提出一种全卷积网络（FCN）模型，该模型在卷积神经网络（CNN）框架内融合多尺度特征与跳跃连接结构，利用柔性光伏阵列首排的风压场数据来预测整个光伏阵列的风压分布。结果表明，所预测风压的相对误差约为9%，预测值与实际风压之间的相关系数超过0.95。这说明该FCN模型能够有...
解读: 该风压预测技术对阳光电源大型地面光伏电站的结构设计具有重要价值。针对渔光互补、农光互补等'光伏+'场景中采用的大跨度柔性支架系统，该深度学习模型可通过少量迎风侧测点数据预测整体风压分布，优化支架结构设计，降低风洞试验成本。可应用于SG系列逆变器配套的柔性支架系统选型，指导PowerTitan储能系统...
用于光伏能源预测的轻量级深度学习：优化冬季住宅的脱碳
Lightweight deep learning for photovoltaic energy prediction: Optimizing decarbonization in winter houses
Youssef Jouane · Ilyass Abouelaziz · Imad Saddik · Oussama Oussous · Solar Energy · 2025年1月 · Vol.297
本文提出了一种创新的混合多变量深度学习方法，用于预测冬季住宅中的光伏发电量，重点在于具有低环境影响的轻量级模型。研究开发了一种评估这些模型碳足迹的方法论，综合考虑了训练过程中的能耗、运行阶段的二氧化碳排放以及通过光伏发电优化所实现的节能效益。该方法能够筛选出在预测精度与环境责任之间达到最佳平衡的模型。本研究以瑞士波斯基亚沃的一栋正能冬季住宅（PEWH）为案例，比较了长短期记忆网络（LSTM）、卷积神经网络（CNN）以及一种混合型CNN-LSTM模型在高积雪地区进行短期光伏发电预测的性能表现。结果...
解读: 该轻量级深度学习预测技术对阳光电源iSolarCloud平台和ST储能系统具有重要应用价值。研究中的CNN-LSTM混合模型可集成至智能运维平台,优化冬季高纬度地区光伏-储能协同控制策略。通过精准预测光伏出力,ST系列PCS可提前调整充放电曲线,避免过度发电造成的弃光。特别是在瑞士等高雪地区案例中,...
基于图像分割的屋顶可用面积提取进行光伏资源评估
Photovoltaic resource assessment through roof usable area extraction based on image segmentation
Xiaobin Xua · Jinchao Hua · Haojie Zhang · Yajuan Fenga 等7人 · Solar Energy · 2025年1月 · Vol.297
在大规模屋顶光伏资源（RPV）评估中，传统的可用屋顶面积提取方法主要关注建筑物的外部轮廓，限制了复杂的空间分析能力，并导致评估结果较为粗略。本文提出了一种基于外部和内部轮廓分割的精细化屋顶可用面积提取方法。首先，采用Unet网络对屋顶的外部轮廓进行分割；随后，提出一种基于CNN与Transformer的双分支编码器网络InSF-TransUnet。在TransUnet的基础上引入多尺度CNN编码器，以平衡局部与全局特征。接着，在解码阶段采用多尺度特征融合策略，实现对屋顶内部轮廓的高精度分割。最后...
解读: 该屋顶光伏资源精细化评估技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。基于CNN-Transformer的双分支网络可精准识别屋顶可用面积,为分布式光伏系统容量配置提供数据支撑,优化MPPT算法设计和组串方案。结合iSolarCloud平台的AI诊断能力,可实现从资源评估...
基于开源低成本天空成像仪和混合深度学习技术的超短期太阳辐照度预测
Very short-term solar irradiance forecasting based on open-source low-cost sky imager and hybrid deep-learning techniques
Martin Ansong · Gan Huang · Thomas N.Nyang’on · Robinson J.Musembi 等5人 · Solar Energy · 2025年1月 · Vol.294
摘要 太阳辐照度（SI）预测对于光伏（PV）系统的可靠运行至关重要。这一点在非洲等地区尤为突出，因为这些地区的许多SI预测方法依赖于稀缺的历史数据，而电力网络本身存在的不稳定性又因SI的波动性而进一步加剧。准确的太阳能预测对于改善电网管理至关重要，可帮助运营商平衡供需关系并提升系统稳定性。基于地面的天空成像技术是一种有前景的SI预测方法，无需依赖大量历史数据。然而，商用天空成像仪价格昂贵且灵活性有限。本文介绍了卡尔斯鲁厄低本钱全天候成像仪（KALiSI），该设备由市售组件构成，能够拍摄高分辨率图...
解读: 该低成本天空成像超短期光伏预测技术对阳光电源SG系列逆变器和ST储能系统具有重要应用价值。15分钟前瞻预测可优化MPPT算法响应速度,提升逆变器在云层遮挡等突变工况下的功率跟踪精度。结合iSolarCloud平台,CNN-LSTM预测模型可为PowerTitan储能系统提供精准充放电调度依据,降低电...
一种基于卫星的结合云透射率预报与物理晴空辐射模型的短期
10分钟−4小时）太阳辐射预测新方法
Bing Hu · Huaiyong Shao · Changkun Shao · Wenjun Tang · Solar Energy · 2025年1月 · Vol.290
摘要 短期太阳辐射预测对于太阳能光伏发电并网以及电网调度与优化至关重要。提高依赖人工智能的基于卫星的短期预测方法的可解释性是当前的研究重点。在本研究中，我们提出了一种将基于卫星的云透射率预测与物理晴空辐射预测相结合的新型短期太阳辐射预测方法。本研究的创新之处在于其建立在大气物理原理基础之上，具体体现在对云透射率的预测以及对阴天和晴天状态的区分。云透射率的预测基于Himawari-8观测数据，采用广泛使用且成熟的卷积神经网络（CNN）和长短期记忆（LSTM）网络实现；而晴空辐射预测则可通过晴空辐射...
解读: 该卫星短期辐照预测技术对阳光电源储能与光伏系统具有重要价值。通过10分钟至4小时精准预测(RMSE 62-160 W/m²),可优化ST系列储能变流器的充放电策略和PowerTitan系统的能量管理。结合iSolarCloud平台,能提升SG系列逆变器的MPPT算法预判能力,实现电网友好型并网控制。...
基于卷积神经网络和遗传算法的BIPV曲面屋顶体育馆碳减排优化方法
Carbon reduction optimization method for BIPV curved-roof gymnasiums based on CNN and genetic algorithms
Haoqi Duan · Yu Dong · Kuntong Huang · Ruinan Zhang · Solar Energy · 2025年1月 · Vol.286
摘要 随着建筑一体化光伏（BIPV）技术的发展，其在曲面建筑表皮上的应用逐渐成为可能，利用体育馆大面积未占用屋顶安装光伏系统所带来的碳减排效益正受到越来越多关注。尽管已有研究对不同类型曲面屋顶体育馆的能耗、光伏发电量及二氧化碳排放进行了比较，但曲面几何形态影响上述三项指标的作用因素与机制仍不明确。本研究分别模拟了500组具有凸形、凹形、双曲形和自由形态屋顶的体育馆的能源使用强度（EUI）、太阳能发电强度（SEGI）和碳排放强度（CEI），并对四种曲面屋顶体育馆的EUI、SEGI与CEI之间的相关...
解读: 该BIPV曲面屋顶碳减排优化研究对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究通过CNN和遗传算法优化曲面屋顶几何参数,最高可实现6.5%的碳排放强度降低,为我司MPPT优化技术在复杂曲面场景的应用提供理论支撑。建议将该几何优化算法集成至iSolarCloud智能运维...
基于深度学习与稀疏风洞数据的长跨柔性光伏结构时空风压场预测
Spatiotemporal wind pressure field prediction for long-span flexible photovoltaic structures using deep learning and sparse wind tunnel data
Hehe Ren · Haoyue Liu · Boyang Wang · Shitang Ke · Solar Energy · 2025年1月 · Vol.286
摘要 长跨柔性光伏（PV）结构是应对“光伏+”发展挑战的关键解决方案之一。然而，由于其跨度大、自重轻、刚度柔、离地高度高等特点，易产生显著的风致振动响应，属于典型的风敏感结构，因此风荷载成为其结构设计中的控制性荷载。目前，针对柔性光伏结构的风荷载尚无明确的设计标准，相关研究主要依赖风洞试验获取风荷载数据。但由于试验尺度限制，风压测点只能在结构表面稀疏布置。为此，本文将风洞试验数据与深度学习方法相结合，提出一种仅基于有限数量监测点即可预测柔性光伏结构表面风压时空场的方法。考虑到风压具有显著的时空波...
解读: 该风压场时空预测技术对阳光电源大型地面光伏电站及柔性支架系统具有重要应用价值。针对SG系列逆变器配套的大跨度柔性光伏支架，该深度学习模型可优化抗风设计，降低结构成本。对于PowerTitan储能系统的户外集装箱布局，可通过风压预测优化散热通道设计，提升系统可靠性。建议将该技术集成至iSolarClo...
基于可重构有机光伏器件的视觉突触
Visual synapse based on reconfigurable organic photovoltaic cell
Xiangrong Pu1Fan Shu2Qifan Wang1Gang Liu2Zhang Zhang1 · 半导体学报 · 2025年1月 · Vol.46
受大脑分层协同处理视觉信息的启发，本文利用PM6:Y6体系优异的光响应特性，构建了一种垂直结构的光可调有机忆阻器，系统研究了其阻变特性、光电探测能力及光突触行为模拟。该器件实现了稳定的渐进式电阻调控，成功模拟了电压控制的长时程增强/抑制（LTP/LTD）及多种光电协同调节的突触可塑性，并仿真实现了人类视觉神经系统的图像感知与识别功能。以非易失性Au/PM6:Y6/ITO忆阻器作为人工突触与神经元模型，构建了分层协同处理的SLP-CNN级联神经网络，利用其线性可调光电导特性实现网络权重更新，图像识...
解读: 该有机光伏忆阻器技术为阳光电源智能运维系统提供创新思路。其光电协同突触可塑性机制可应用于iSolarCloud平台的边缘智能诊断：利用光伏组件自身光响应特性实现分布式故障识别，无需额外传感器。分层协同SLP-CNN架构可优化ST储能系统的BMS电池状态预测，通过模拟神经突触的渐进式权重调节实现自适应...
第 1 / 2 页