找到 2 条结果 · 光伏发电技术
基于先验知识的大规模超高清光伏板分割数据集增强框架
A large-scale ultra-high-resolution segmentation dataset augmentation framework for photovoltaic panels in photovoltaic power plants based on priori knowledge
Ruiqing Yang · Guojin He · Ranyu Yin · Guizhou Wang 等9人 · Applied Energy · 2025年1月 · Vol.390
摘要 当前大多数提升模型精度的研究主要集中在模型本身的优化上，往往忽视了数据集质量的关键作用，尤其是在遥感大数据背景下。许多关于光伏发电（PV）的大规模提取研究通常仅关注光伏电站边界的粗略勾画，这限制了更深入的下游分析潜力。本文提出了一种针对光伏电站内部光伏板进行细粒度提取的框架，而非仅仅捕捉电站的外部轮廓。通过聚焦于单个光伏板级别的分割，该方法为下游应用（如发电量估算和空间布局优化）提供了更为精确的评估基础。该框架融合了先验知识，以应对地表覆盖、成像条件以及背景干扰所带来的挑战。一种创新的标签...
解读: 该超高分辨率光伏板分割框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。通过面板级精细识别,可显著提升SG系列逆拟器的MPPT优化策略精度,实现组串级故障诊断与发电量评估。数据集质量提升(78%→92%)为预测性维护算法提供可靠训练基础,结合先验知识的标注效率提升75%可加速电站数字...
一种用于长期光伏和风电功率预测的细粒度频率分解框架
A fine-grained frequency decomposition framework for long-term photovoltaic and wind power forecasting
Peng Suna · Tingxiao Dinga · Jin Sua · Yuhan Yanga 等8人 · Solar Energy · 2025年1月 · Vol.301
准确预测太阳能和风能对于实现高效的电网集成至关重要。然而，现有的机器学习和深度学习方法在处理复杂且变化多端的时间序列数据时面临若干挑战，例如通用性有限、泛化能力不足，以及难以平衡计算效率与预测精度之间的关系。为应对这些挑战，本研究提出了一种细粒度频率分解框架（FDF），并设计了一种基于小波变换与下采样策略（连续采样和间隔采样）的序列分解方案。该框架旨在深入挖掘时间序列中的复杂时序模式，并充分捕捉长距离依赖关系。具体而言，FDF首先利用小波变换将原始时间序列分解为多个不同频率的分量；随后，对每个分...
解读: 该细粒度频率分解框架对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过小波变换与采样策略结合,可显著提升光伏功率预测精度(MAE降低7.65%),同时保持轻量化特性(0.29M参数)。该方法可集成至ST系列PCS的功率预测模块,优化PowerTitan储能系统的充放电策略制...