Nikta Shamsmohammadi · Giovanni Spagnuolo · José del Campo-Ávila · Esteban José Palomo 等5人 · IEEE Journal of Photovoltaics · 2025年9月

准确估计光伏模型中的参数对于改善系统监测、控制和诊断至关重要。在本研究中，提出了一种新颖的两级分层物理信息神经网络（PINN）架构，用于估计动态单二极管光伏模型中的参数，包括辐照度（$G$）、温度（$T$）和结电容（$C_{j0}$）。在光伏电流和电压波形不受噪声影响的情况下，所提出的方法实现的误差为：辐照度（$G$）误差为 0.25%，温度（$T$）误差为 1.5%，结电容（$C_{j0}$）误差为 2.1%。与传统优化方法相比，两级分层 PINN 表现更优，尤其在学习结电容（$C_{j0}$...

解读: 该双层物理信息神经网络参数估计技术对阳光电源SG系列光伏逆变器的MPPT算法优化具有重要应用价值。通过精准估计光伏组件的五参数模型（光生电流、二极管饱和电流、串联电阻等），可显著提升不同光照温度条件下的最大功率点追踪精度。该方法可集成到iSolarCloud智能运维平台，实现光伏阵列实时建模与性能诊...