找到 4 条结果 · 光伏发电技术
考虑多因素动态效应的光伏功率预测：一种基于动态局部特征嵌入的广义学习系统
Photovoltaic Power Prediction Considering Multifactorial Dynamic Effects: A Dynamic Locally Featured Embedding-Based Broad Learning System
Ziwen Gu · Yatao Shen · Zijian Wang · Yaqun Jiang 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
精确的光伏功率预测是新型电力系统高效稳定运行的前提。现有研究多关注温度、辐照度等全局因素与光伏功率的关系，常忽略其局部动态影响，导致预测精度下降。为此，本文考虑多因素间的动态关联，提出一种基于动态局部特征嵌入的广义学习系统（DLFE-BLS）。首先设计动态相空间重构方法（DPSR）刻画多变量数据的动态特性，进而引入动态局部特征嵌入（DLFE）算法提取局部动态特征，并将其融入广义学习系统框架，构建DLFE-BLS模型以提升预测精度。实验结果表明，该模型在多种场景下均优于对比模型，尤其在迁移预测中表...
解读: 该DLFE-BLS光伏功率预测技术对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。其动态相空间重构方法可优化MPPT算法在复杂气象条件下的功率追踪精度，局部动态特征提取能力可提升PowerTitan储能系统的充放电策略优化。该模型在迁移预测场景的优异表现，可直接应用...
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...
利用SHAP值理解传统与非传统建筑群中乡村形态与光伏发电潜力之间的关系
Understanding the relationship between rural morphology and photovoltaic (PV) potential in traditional and non-traditional building clusters using shapley additive exPlanations (SHAP) values
Jiang Liu · Changhai Peng · Junxue Zhang · Applied Energy · 2025年1月 · Vol.380
摘要 农村地区拥有大量适合安装光伏板的屋顶和立面。然而，乡村形态对光伏发电潜力的影响尚不明确，制约了其有效利用。为应对这一挑战，本研究选取南京市300个传统与非传统农村建筑群作为研究对象，识别出17项形态学指标，涵盖地块形状、建筑密度、建筑形式及地形变化等方面。通过模拟各集群的年光伏发电量和均化度电成本（LCOE），并采用可解释的机器学习框架（XGBoost算法结合SHAP值），探讨了乡村建筑形态与光伏发电潜力之间的关系。结果表明，平均建筑高度（BH）和容积率（FAR）是影响发电量的关键因素，而...
解读: 该研究揭示农村建筑形态对光伏潜力的影响机制,对阳光电源SG系列逆变器在农村分布式光伏市场具有重要指导价值。研究发现建筑高度和容积率是关键因素,可优化我司MPPT算法在复杂遮挡场景下的追踪策略。针对三类技术潜力分区(低高低FAR、高低FAR、高高FAR),可差异化配置1500V系统方案,结合iSola...
超灵敏PtNPs@CsCu2I3/AlGaN范德华异质结自供电探测器实现高精度日盲紫外光度定量
Ultrahigh-sensitivity PtNPs@CsCu2I3/AlGaN van der Waals heterojunction self-powered photodetector enabling precision solar-blind UV photometric quantification
Guokang Sun · Wenjie Li · Peng Wan · Tong Xu 等7人 · Applied Physics Letters · 2025年1月 · Vol.127
报道了一种基于Pt纳米颗粒修饰的CsCu2I3与AlGaN构成的范德华异质结自供电日盲紫外探测器。该器件展现出超高的光响应度和优异的光谱选择性，在无需外加电源的情况下实现了对日盲紫外光的高灵敏探测。通过引入PtNPs增强界面电荷分离效率，显著提升了器件的量子效率与检测限。该探测器可实现微弱紫外信号的精确光度定量，为高性能日盲紫外光电探测提供了新思路。
解读: 该PtNPs@CsCu2I3/AlGaN自供电紫外探测器技术对阳光电源具有双重价值：一是GaN基异质结器件设计思路可借鉴至SG系列逆变器的GaN功率模块优化，通过界面工程提升器件开关特性与效率；二是自供电探测原理可应用于光伏电站智能运维场景，开发无源紫外辐照监测节点，实时感知组件表面污染与老化状态，...