找到 2 条结果 · 光伏发电技术
一种独立于反相因子的压电能量收集连续最大功率点跟踪技术
A Continuous MPPT Technique Independent of Inversion Factor for Piezoelectric Energy Harvesting
Zhidong Chen · Yinshui Xia · Ge Shi · Xiudeng Wang 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
本文提出了一种独立于反相因子的压电能量收集连续最大功率点跟踪（MPPT）技术。该方法基于所提出的分数微分电压（FDV）法，通过在连续能量收集过程中采样工作压电换能器（PZT）的峰值电压和反相电压实现MPPT，无需断开PZT或预先测量接口电路的反相因子。接口电路采用自供电无整流同步电感开关（ReL-SSHI）结构。实验结果表明，该MPPT方法可使ReL-SSHI电路在不同PZT和电感条件下均保持最大功率输出，MPPT峰值效率达98%。
解读: 该独立于反相因子的连续MPPT技术对阳光电源具有重要借鉴价值。虽然研究聚焦压电能量收集，但其核心思想——通过采样峰值电压和反相电压实现无需断开负载的连续MPPT，可迁移至SG系列光伏逆变器的MPPT算法优化中，特别是在快速变化工况下提升跟踪连续性。该方法的分数微分电压（FDV）技术可启发ST储能变流...
基于贝叶斯优化算法与二次分解的误差校正深度Autoformer模型在光伏发电预测中的应用
An error-corrected deep Autoformer model via Bayesian optimization algorithm and secondary decomposition for photovoltaic power prediction
Jie Chen · Tian Peng · Shijie Qian · Yida Ge 等7人 · Applied Energy · 2025年1月 · Vol.377
准确的光伏发电功率预测对于电网的稳定运行和合理调度至关重要。然而，由于光伏发电具有不稳定性，其功率预测仍面临巨大挑战。为此，本文提出一种结合二次分解、贝叶斯优化与误差校正机制的Autoformer模型用于光伏发电功率预测。为降低数据复杂性并充分提取特征，采用了两种分解方法：首先利用经验模态分解（EMD）对光伏功率序列进行初级分解；然后引入样本熵（SE）衡量各分量的复杂度，并对复杂度最高的分量采用变分模态分解（VMD）进行二次分解。其次，构建基于贝叶斯优化算法优化的Autoformer模型，分别预...
解读: 该基于深度学习的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EMD-VMD二次分解和Autoformer模型可显著提升预测精度,可集成至SG系列逆变器的MPPT优化算法中,实现更精准的发电功率预测。结合ST系列储能PCS,该预测模型能优化储能系统充放电策略,提升...