找到 5 条结果 · 光伏发电技术
一种集成多源数值天气预报的短期非参数概率光伏功率预测两阶段集成学习框架
A Two-Stage Ensemble Learning Framework for Short-Term Nonparametric Probabilistic Photovoltaic Power Forecasting Integrating Multi-Source Numerical Weather Predictions
Hanting Zhao · Yao Zhang · Wei Huo · Fan Lin 等5人 · IEEE Transactions on Power Systems · 2025年9月
利用数值天气预报（NWP）进行短期太阳能功率概率预测（SSPPF）已被证明是一种提高太阳能整合与利用效率的有效方法。然而，大多数现有的SSPPF研究仅采用单源NWP，忽略了多源NWP在提高概率预测准确性和稳健性方面的潜在优势。本文提出了一种用于SSPPF的改进两阶段集成学习预测框架（ITS - ELFF）。ITS - ELFF将多源NWP作为关键的外部协变量，以生成多步分位数预测。在第一阶段，一组稳健且多样的基学习器提供初始分位数预测。在第二阶段，一个元学习器整合所有基学习器的分位数预测，以生成...
解读: 该两阶段集成学习框架对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。通过融合多源NWP数据的非参数概率预测，可显著提升光伏电站功率预测精度，优化MPPT算法的前瞻性控制策略。在PowerTitan储能系统中，高精度概率预测能改进充放电调度决策，提升削峰填谷效果和电网...
异构动态数据环境下分布式光伏在线增量概率功率预测
Online incremental probability power prediction for distributed PVs in heterogeneous and dynamic data environments
Le Zhang · Ziyu Chen · Jizhong Zhu · Kaixin Lin 等5人 · Applied Energy · 2025年1月 · Vol.394
摘要 数据共享是提升小样本条件下分布式光伏发电功率数据驱动模型预测精度的标准解决方案。然而在实际应用中，由于数据的去中心化所有权以及复杂多变的外部环境，该方案面临数据隐私、数据异构性以及动态数据学习等方面的挑战。为应对这些挑战，本文提出一种基于贝叶斯随机配置网络（BSCN）与个性化联邦学习（PFL）的增量式概率预测方法。具体而言，采用随机配置网络——一种新兴的单隐层无迭代神经网络——快速构建功率预测模型；为获得后验分布并确定概率输出，引入贝叶斯推断对SCN的输出参数进行评估。针对小样本和异构数据...
解读: 该分布式光伏概率预测技术对阳光电源iSolarCloud智慧运维平台及SG系列逆变器具有重要应用价值。其联邦学习框架可保护多业主数据隐私,增量学习策略适配动态环境,可显著提升小样本场景下的功率预测精度。技术可集成至iSolarCloud平台,优化分布式光伏集群的预测性维护与功率调度;结合SG逆变器M...
多串光伏升压变换器中受电缆不确定性影响的直流母线电容在线退化故障预测
Online Degradation Fault Prognosis for DC-Link Capacitors in Multistring-Connected Photovoltaic Boost Converters Subject to Cable Uncertainties
Geye Lu · Qiuqiong Lin · Dayong Zheng · Pinjia Zhang · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年11月
针对多串光伏系统中各直流支路升压变换器的直流母线电容退化故障问题，提出一种基于母线电压和单串电缆电流的综合故障预测方法。通过构建三维平面y=f，结合去耦电缆参数，分别估计电容的等效串联电阻Rx和电容值Cx，并提出融合Rx与Cx⁻¹变化趋势的新型退化指标D，提升评估灵敏度。仿真与实验验证表明，该方法对多串电缆不确定性及工况变化具有强鲁棒性，参数估计最大误差为1.6%，D指标分辨率达1.18 dis/mΩ，且无需直接测量电容电压或电流，易于实现。
解读: 该直流母线电容在线退化预测技术对阳光电源SG系列多串光伏逆变器和ST储能变流器具有重要应用价值。通过仅测量母线电压和单串电流即可实现ESR和电容值的解耦估计（误差≤1.6%），无需额外传感器，可直接集成到现有MPPT控制架构中。融合Rx与Cx⁻¹的退化指标D（分辨率1.18 dis/mΩ）能显著提升...
高质量PEI/Ag/PEI-Zn半透明电极用于高效无ITO柔性有机太阳能电池和钙钛矿太阳能电池
High-Quality PEI/Ag/PEI-Zn Semitransparent Electrode for Efficient ITO-Free Flexible Organic Solar Cells and Perovskite Solar Cells
Hong Lu · Lin Xu · Zihao Wei · Zhanzheng Wang 等6人 · IEEE Journal of Photovoltaics · 2024年11月
为推动柔性有机和钙钛矿太阳能电池的发展，亟需开发兼具高透光率、低方阻和优异弯折性能的柔性半透明电极。本研究在PEN、PET和PDMS基底上构建了高性能PEI/Ag/PEI-Zn柔性电极，显著提升了超薄Ag膜在可见光范围的透射率。通过130 °C退火调控PEI与Zn离子的螯合作用，优化PBDB-T-SF:IT-4F器件效率。PEI-Zn层兼具电子传输与表面修饰功能，且电极在反复弯折中表现出优于ITO器件的机械稳定性。该电极应用于柔性钙钛矿电池时，效率达19.24%，经500次弯折后仍保持初始值的7...
解读: 该柔性半透明电极技术对阳光电源光伏产品线具有前瞻性参考价值。PEI/Ag/PEI-Zn电极的高透光率、低方阻和优异弯折性能，可启发SG系列逆变器在BIPV（光伏建筑一体化）场景的应用拓展，特别是半透明组件与逆变器的匹配优化。柔性钙钛矿电池19.24%效率及500次弯折后保持73%性能的特性，为便携式...
基于卷积图神经网络与参数迁移的区域光伏功率短期概率预测
Short-Term Probabilistic Forecasting for Regional PV Power Based on Convolutional Graph Neural Network and Parameter Transferring
Fan Lin · Yao Zhang · Hanting Zhao · Wei Huo 等5人 · IEEE Transactions on Power Systems · 2024年11月
本文提出一种用于区域光伏功率短期概率预测的新型端到端深度学习模型，该模型具有局部-全局两层结构。在局部层，构建基于有向图的动态空间卷积图神经网络，以学习光伏电站的高维特征表示；在全局层，提出动态图池化方法，将局部特征聚合为全局表示，并映射为区域光伏功率的概率预测结果。为防止过拟合，引入基于参数迁移的训练策略。在公开真实数据上的实验表明，该模型可提供高质量且可靠的短期概率预测。
解读: 该区域光伏功率概率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。其卷积图神经网络可建模区域内多个光伏电站的空间关联性，为SG系列逆变器集群提供更精准的短期功率预测。概率预测结果可优化PowerTitan储能系统的充放电策略制定，通过预测区间合理配置储能容量，提升系统经济性。参...