找到 2 条结果 · 光伏发电技术
HiGN-ARec：一种用于空间层级光伏功率预测的自适应协调分层图网络
HiGN-ARec: A Hierarchical Graph Network with Adaptive Reconciliation for PV Power Forecasting in Spatial Hierarchy
Yanru Yang · Ping Wang · Shaolong Shu · Feng Lin · IEEE Transactions on Sustainable Energy · 2025年8月
在具有层级结构的电网中，光伏（PV）功率预测至关重要。本文提出一种端到端深度网络HiGN-ARec，可同时预测各层级的光伏功率。该模型包含基础预测与协调两部分：基础预测部分结合先进的时空模块与跨层级交互模块，充分挖掘层级内与层级间信息；协调部分引入可学习的协调矩阵P和聚合矩阵S，以实现预测结果的动态调整与层级一致性约束。实验基于美国国家可再生能源实验室（NREL）的合成数据验证了方法的有效性，结果表明所提方法优于现有对比方法。
解读: 该分层图网络光伏功率预测技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。其层级化预测架构可直接应用于分布式光伏电站的多层级功率管理：从单台SG逆变器到汇流箱、再到区域电站的全链条预测。自适应协调机制能确保各层级预测一致性，可优化PowerTitan储能系统的充放...
基于跨域自适应生成对抗网络的多退化水平光伏阵列故障诊断
Fault diagnosis of photovoltaic arrays with different degradation levels based on cross-domain adaptive generative adversarial network
Peijie Lin · Feng Guo · Yaohai Lin · Shuying Cheng 等7人 · Applied Energy · 2025年1月 · Vol.386
摘要 近年来，由于光伏电站运行与维护的重要性，光伏（PV）阵列故障诊断（FD）取得了令人瞩目的进展。然而，由于运行工况复杂，光伏阵列不可避免地会发生渐进式退化，导致输出数据出现域偏移，这对故障诊断性能产生显著的负面影响。为解决上述问题，本研究提出了一种两阶段跨域自适应生成对抗网络深度学习方法，用于不同退化水平下的光伏阵列故障诊断。在第一阶段，利用源域（即无性能退化的光伏阵列）中的正常数据进行训练；随后，在对抗训练过程中将最大均值差异（MMD）损失引入故障生成器，以生成源域故障数据的高层特征表示。...
解读: 该跨域自适应GAN故障诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud智慧运维平台具有重要应用价值。针对光伏阵列性能衰减导致的数据域偏移问题,该方法通过MMD损失函数实现跨域特征对齐,仅需健康状态数据即可生成故障样本进行诊断,准确率达98.34%。可集成至iSolarCloud平台的预测...