找到 4 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...
非对称微腔增强彩色半透明钙钛矿太阳能电池的光利用
Asymmetric microcavity to enhance light utilization in colorful semitransparent perovskite solar cells
Zerong Liab · Buchao Chena · Lingen Yao · Chuan Liab 等10人 · Solar Energy · 2025年9月 · Vol.298
摘要 彩色半透明钙钛矿太阳能电池（PSCs）作为集成光伏应用中的有吸引力的选择正逐渐兴起，其中高效的光管理至关重要。在本研究中，提出了一种基于金属/氧化物/金属（MOM）结构的非对称法布里-珀罗（F-P）微腔创新方法，该结构由底层银（b-Ag）层、氧化钼（MoO_x）、以及顶层银（t-Ag）层组成。理论与实验结果表明，相较于对称MOM结构，具有较厚b-Ag层的非对称MOM结构表现出更高的反射率、更低的寄生吸收以及保持良好的透射率。本文从损耗指数和有效阻抗的角度初步探讨了MOM微腔光学特性的内在机...
解读: 该非对称微腔钝化技术为阳光电源SG系列光伏逆变器的组件端优化提供新思路。通过Metal/Oxide/Metal结构实现的光管理机制,可提升半透明光伏组件的量子利用效率至81.9%,这与我们1500V系统的MPPT优化技术形成协同。其降低寄生吸收、增强反射率的设计理念,可应用于建筑一体化BIPV场景,...
评估LCL滤波器光伏逆变器中谐振电流引起的可靠性退化
Evaluating the Reliability Degradation Caused by Resonant Current in Photovoltaic Inverters With LCL Filters
Xinyue Zhang · Jiacheng Sun · Zhongzheng Zhou · Zhen Kang 等6人 · IEEE Transactions on Industry Applications · 2025年9月
随着光伏（PV）系统部署数量的不断增加，LCL 型并网逆变器因其卓越的谐波衰减能力而变得十分普遍。然而，传统的可靠性评估往往忽略了由控制回路不稳定或参数漂移引起的谐振电流的影响，而这种谐振电流会显著加速关键组件的老化。本文提出了一个全面的 LCL 型光伏逆变器可靠性评估框架，该框架能更好地反映实际运行条件。开发了一个电热模型，该模型考虑了与温度相关的功率损耗、绝缘栅双极型晶体管（IGBT）热耦合以及电容器老化。采用蒙特卡罗模拟和威布尔分布来推导逆变器在年度任务剖面下的使用寿命。实验验证证实，谐振...
解读: 该研究对阳光电源SG系列光伏逆变器和ST储能变流器的可靠性设计具有重要价值。LCL滤波器谐振电流导致的IGBT热应力问题直接关联功率模块寿命，研究提出的电热耦合模型与雨流计数疲劳分析方法可应用于：1）SG系列逆变器功率模块热设计优化，通过主动阻尼控制抑制谐振电流，降低结温波动；2）ST储能变流器在频...
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...