找到 4 条结果 · 光伏发电技术
用于高效光伏热管理的水泥基复合材料增强被动辐射冷却
Enhanced passive radiative cooling of cementitious composites for efficient photovoltaic thermal management
Yang Hua · Tong Guoa · Xingyu Qua · Tengfei Xub 等6人 · Energy Conversion and Management · 2025年11月 · Vol.344
摘要 在建筑一体化光伏（BIPV）系统中，热管理仍然是一个关键挑战，运行温度的升高会显著降低光电转换效率。本研究系统地探讨了掺入单组分（α-Al₂O₃、BaSO₄ 或 CaCO₃）和双组分被动日间辐射冷却（PDRC）颗粒的水泥基复合材料，其替代水泥的比例分别为30%和60%。材料表征与性能分析结果表明，当α-Al₂O₃和BaSO₄以各30%的比例共同替代水泥时，该双组分体系表现出最优的被动冷却性能，太阳反射率达到94.54%，中红外发射率达到96.41%。当该复合材料与光伏面板集成使用时，可使光...
解读: 该被动辐射冷却水泥复合材料技术对阳光电源BIPV光伏系统具有重要应用价值。通过α-Al2O3和BaSO4双组分体系可降低组件运行温度16.54K,提升发电效率7.87%,与我司SG系列逆变器的MPPT优化技术形成协同效应。该无源冷却方案可集成到分布式光伏电站建筑载体中,配合iSolarCloud平台...
双平行索桁架支撑的光伏结构：风致振动及影响因素评估
Two parallel cable trusses-supported photovoltaic structure: wind-induced vibration and evaluation of influence factors
Jingyao Lia · Shidong Nie · Min Liu · Qingshan Yang 等8人 · Solar Energy · 2025年10月 · Vol.299
索支撑光伏结构应用广泛，但风致振动（WIV）仍是主要关注问题。本研究通过气弹模型试验，对一座跨度为40米的双平行索桁架支撑光伏结构的风致振动特性及其影响因素进行了研究。在不同湍流强度的来流条件下，测量了结构的位移和索力响应，并评估了湍流强度、索预张力以及光伏板倾角的影响。结果表明，结构表现出两种不同的动力响应：抖振和自激振动（SEV）。在湍流流场中，结构响应表现为抖振，其时域响应具有随机性，且符合高斯分布特征；而在均匀流场中观察到自激振动，表现为幅值受限的周期性振动和振动频率收敛现象，并在位移和...
解读: 该研究揭示了大跨度柔性光伏支架的风致振动机理，对阳光电源地面电站系统设计具有重要参考价值。研究发现湍流强度和组件倾角是关键影响因素：倾角每增10°临界风速最多降37.5%，湍流度0.2时振幅为0.1时的1.6倍。这为SG系列逆变器配套的柔性支架方案提供优化依据：建议在高风速区域降低组件倾角配合MPP...
采用历元依赖自适应损失加权与数据同化的光伏发电功率预测模型
Photovoltaic power forecasting model employing epoch-dependent adaptive loss weighting and data assimilation
Siyuan Fan · Hua Geng · Hengqi Zhang · Jie Yang 等5人 · Solar Energy · 2025年4月 · Vol.290
摘要 准确预测光伏（PV）发电功率对于优化能源管理系统和提升电网稳定性至关重要。本研究提出了一种物理约束的光伏发电功率预测网络（PC-P3reNet），该网络是一种双层深度学习框架，专为局部环境数据保持一致而光伏系统特性变化的场景优化设计。该框架集成了一种基于物理原理的模型，用于计算理论上的光伏发电输出，并通过Huber损失函数将其与实际测量值进行比较。PC-P3reNet的一个独特特征是其自适应损失加权机制，能够在不同的训练历元中动态调整理论数据与实测数据之间的平衡。这一机制使得模型在初始阶段...
解读: 该物理约束深度学习预测模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。其自适应损失加权机制可优化SG系列光伏逆变器的MPPT控制策略,通过融合理论模型与实测数据提升多步预测精度(MAE达0.1837)。该技术可增强ST系列储能变流器的充放电决策能力,改善电网稳定性,并为PowerT...
基于GPT的超短期分布式光伏发电功率预测方法
An Ultra-Short-Term Distributed Photovoltaic Power Forecasting Method Based on GPT
Hengqi Zhang · Jie Yang · Siyuan Fan · Hua Geng 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着大量分布式光伏电站并网，提升发电功率预测精度对电力系统安全经济运行具有重要意义。针对现有方法在数据稀缺与随机波动方面的挑战，本文提出一种基于生成式预训练Transformer（GPT）的超短期分布式光伏功率预测方法。通过生成多空间分辨率的虚拟光伏功率数据，预训练Transformer模型，并利用少量实测数据进行微调。注意力机制通过预训练学习历史数据中的相关性，微调实现新电站的轻量化部署与高精度预测。实验结果表明，所提方法在仅1个月实测数据下，相比LSTM、线性模型和Transformer模型...
解读: 该基于GPT的超短期光伏功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。可直接集成至SG系列光伏逆变器的智能诊断系统，通过少量实测数据实现新建电站的快速部署与高精度预测，相比传统LSTM方法RMSE降低37.22%。该技术可优化PowerTitan储能系统的充放电策略，提升...