找到 2 条结果 · 光伏发电技术
一种具有光热、储热和电化学性能的新型集成碳化木电极用于太阳能驱动的热化学电池
A novel integrated carbon-wood electrode with photothermal, heat storage, and electrochemical properties for solar-driven thermochemical cells
Jun Zhang · Xiaotian Li · Jili Zheng · Yanan Zou 等8人 · Energy Conversion and Management · 2025年1月 · Vol.326
摘要 热化学电池为太阳能利用提供了一种可持续且环保的解决方案，但其性能常受到太阳辐射波动的限制。传统方法是将储热系统整合到热化学电池中，然而这些方法受限于较低的传热速率以及传统电极较小的电化学活性表面积。本研究创新性地提出一种碳化木电极设计，集成了增强的光热转换、储热和电化学性能，可实现太阳能驱动热化学电池中的连续发电。与传统的石墨电极相比，碳化木结构使光热转换效率提高了67%，电化学活性表面积增加了28%，单位体积（每立方厘米）的放热时间延长至16.67分钟。采用此类电极的热化学电池在太阳辐射...
解读: 该碳木一体化电极的光热-储热-电化学集成技术为阳光电源储能系统提供创新思路。其光热转换效率提升67%、电化学活性面积增加28%的设计理念,可应用于ST系列PCS的热管理优化和PowerTitan储能系统的温控策略改进。特别是其应对间歇性光照的稳定输出能力,与SG系列光伏逆变器的MPPT优化技术形成协...
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...