找到 4 条结果 · 光伏发电技术
一种基于主动阴影的光伏系统故障检测与定位新方法
A Novel Active Shadow-Based Fault Detection and Localization Method for Photovoltaic Systems
Zhoucheng Xu · Kai Yang · Zexin Nie · Yalun Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
光伏系统故障检测对运行安全至关重要。传统方法在正常运行条件下难以准确识别和定位故障，且依赖复杂传感器配置。本文提出一种基于主动阴影（AS）的故障检测方法，通过在光伏组件上引入主动遮蔽装置并按特定序列施加阴影，分析阵列输出功率变化，实现无需中断正常运行的快速故障检测与精确定位。构建基于串联子串的多层级高精度仿真模型，并定义识别系数（IC）评估算法性能，验证了该方法在复杂部分遮阴及短路、开路故障下适用于不同规模光伏阵列的故障定位能力。实际光伏阵列实验进一步证实了该方法的可行性与鲁棒性。
解读: 该主动阴影故障检测技术对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要应用价值。通过主动遮蔽装置引入可控阴影序列，结合功率变化分析实现组件级故障精确定位，可集成至阳光电源现有MPPT算法框架，增强SG逆变器的智能诊断能力。该方法无需额外传感器配置，适合大规模光伏阵列快速巡检，...
自校正引导的广义对比学习框架用于云边协同小样本光伏故障诊断
Self-Correcting-Guided Generalized Contrastive Learning Framework for Small-Sample PV Fault Diagnosis With Cloud-Edge Collaboration
Qi Liu · Bo Yang · Mingxuan Cai · Yuxiang Liu 等6人 · IEEE Transactions on Industrial Informatics · 2025年6月
小样本场景下光伏（PV）阵列的智能故障诊断由于模型精度和泛化能力较差，仍然具有挑战性。现有方法无法同时解决运行工况多变和样本不足的问题，导致少样本学习构建的模型适用性有限。此外，数据传输和计算成本等因素也需要考虑。因此，本文提出了一种用于小样本光伏故障诊断的云边协同自校正引导广义对比学习框架。首先，提出了一种端到端自校正模型，以消除可变环境的影响。然后，将自校正方案与对比学习相结合以实现模型泛化，并设计了一种类型筛选方法来提高模型精度。此外，提出了一种快速故障过滤机制，通过云边协同提高算法效率。...
解读: 从阳光电源的业务视角来看，这项基于云边协同的小样本光伏故障诊断技术具有重要的应用价值和战略意义。 在产品层面，该技术直接契合阳光电源光伏逆变器和电站运维的核心需求。传统故障诊断方法依赖大量标注数据，而实际运维中故障样本稀缺且环境条件多变，导致诊断模型泛化能力不足。该论文提出的自校正引导对比学习框架...
基于深度强化学习的考虑网络重构的多时间尺度电压/无功控制
Deep Reinforcement Learning Based Multi-Timescale Volt/Var Control in Distribution Networks Considering Network Reconfiguration
Hexiang Peng · Kai Liao · Jianwei Yang · Bo Pang 等5人 · IEEE Transactions on Sustainable Energy · 2025年5月
针对配电网中不同响应特性的设备带来的多时间尺度电压/无功控制（VVC）难题，本文提出一种新型双层数据驱动的多时间尺度VVC方法。该方法将光伏等连续型设备的短时间尺度控制与电容器组及网络重构等离散型设备的长时间尺度控制相协调，构建双层部分可观测马尔可夫决策过程（POMDP）模型。内层采用TD3算法控制连续变量，外层利用DDQN算法处理离散动作与网络重构。通过统一奖励信号并传递内层动作为外层状态实现协同训练，并引入图神经网络（GNN）识别代表性拓扑以缩减重构空间，抑制过度探索。在IEEE 33节点和...
解读: 该多时间尺度Volt/Var控制技术对阳光电源配电侧产品具有重要应用价值。在SG系列光伏逆变器中，可利用TD3算法实现连续无功功率的快速调节，优化现有MPPT算法与无功控制的协同；在ST系列储能变流器及PowerTitan大型储能系统中，可通过DDQN算法协调储能充放电与电容器组的离散控制决策。该方...
基于深度强化学习的风光水储混合能源系统长短周期协调调度
Long-Term and Short-Term Coordinated Scheduling for Wind-PV-Hydro-Storage Hybrid Energy System Based on Deep Reinforcement Learning
Huaiyuan Zhang · Kai Liao · Jianwei Yang · Zhe Yin 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
针对多时间尺度调度复杂的风光水储混合能源系统，传统长期调度策略常削弱短期调节能力，导致资源浪费与电力短缺。本文提出一种将短期运行特性嵌入长期调度规则的协同框架，将长期调度建模为马尔可夫决策过程，并在每一步耦合基于优化模型生成的短期发电计划。通过融合数据驱动与模型驱动方法，利用深度强化学习简化长期决策，结合混合整数线性规划确保短期约束满足。实证表明，该方法使弃电率由11.67%降至0.63%，切负荷率从3.3%降至0.69%，显著优于传统方法。
解读: 该深度强化学习协调调度技术对阳光电源PowerTitan储能系统和iSolarCloud云平台具有重要应用价值。研究提出的长短周期协同框架可直接集成到ST系列储能变流器的能量管理系统中，通过MDP建模和DRL算法优化多时间尺度调度决策，显著降低弃电率（11.67%→0.63%）和切负荷率（3.3%→...