找到 2 条结果 · 光伏发电技术
用于抑制高光伏渗透率下总谐波畸变率倒"U"形变化的谐波电流反馈策略
Harmonic Current Feedback Strategy for Inverted "U" Shape Change of Total Harmonic Distortion under High PV Penetration
Hongjin Fan · Kaiqi Sun · Pengbo Shan · Ke-Jun Li 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年9月
随着光伏（PV）在配电网中渗透率的提高，谐波污染问题日益严重。然而，总谐波畸变率（THD）随光伏出力增加呈现非单调的倒"U"形变化规律，导致传统谐波抑制策略可能失效甚至产生负面影响。本文通过数学推导揭示了谐波与光伏渗透率之间的内在关系，并提出一种新型谐波电流反馈控制策略，将谐波电流引入逆变器双环控制的内环，有效降低输出电流谐波含量。通过改进的IEEE 33节点配电网模型及硬件实验平台验证了该策略的有效性，显著提升了电能质量。
解读: 该谐波电流反馈策略对阳光电源SG系列光伏逆变器及ST储能变流器具有重要应用价值。研究揭示的THD倒U形变化规律为高渗透率场景下的谐波治理提供理论依据，可直接应用于逆变器双环控制内环优化。建议在SG250HX等大功率机型中集成该谐波反馈算法，结合现有MPPT控制实现动态谐波抑制；在PowerTitan...
通过神经网络方法加速钙钛矿太阳能电池的器件表征
Accelerating device characterization in perovskite solar cells via neural network approach
Xinhai Zhaoab1 · Chaopeng Huangae1 · Erik Birgersson · Nikita Suprun 等11人 · Applied Energy · 2025年1月 · Vol.392
摘要 钙钛矿太阳能电池是下一代高效光伏器件的有力候选者，尤其适合作为叠层结构中的顶部电池。基于物理机制的光电模型，我们采集了十万量级的大数据样本，用于训练神经网络模型，以高效预测器件性能和复合损耗。在数据准备、模型训练和神经网络优化过程中，分别采用了拉丁超立方采样、贝叶斯正则化和贝叶斯优化方法。最优的神经网络模型在预留的测试数据集上实现的均方误差低于4 × 10⁻⁴。神经网络的计算速度比传统光电模型快一千倍以上。因此，器件快速校准可在24秒内完成。显著降低的计算成本使得高效的器件表征、参数研究、...
解读: 该神经网络加速钙钛矿电池表征技术对阳光电源光伏逆变器产品线具有重要借鉴价值。研究采用的深度学习方法将器件仿真速度提升千倍以上,可应用于SG系列逆变器的MPPT算法优化和iSolarCloud平台的预测性维护功能。通过贝叶斯优化和敏感性分析快速标定器件参数的思路,可迁移至SiC/GaN功率器件的损耗分...