找到 2 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...
DFDR-NLNet：一种用于光伏面板分割的双频率差异化表示非局部网络
DFDR-NLNet: A dual-frequency differentiated representation non-local network for photovoltaic panel segmentation
Yitong Fua · Haiyan Lia · Pengfei Yua · Yaqun Huang 等5人 · Applied Energy · 2025年1月 · Vol.401
摘要 光伏（PV）技术在全球扩展可再生能源方面发挥着关键作用，然而在城市、农村和工业环境中，实现精确的光伏面板分割以优化资源配置并指导安装政策仍是一项挑战。为应对数据多样性的限制，本文提出一种基于去噪扩散概率模型（DDPM）的数据增强方法，用于生成联合数据分布，从而提升模型的鲁棒性。在此基础上，我们提出了一种双频率差异化表示非局部网络（DFDR-NLNet），用于实现更真实的光伏面板分割。为了提高Transformer分支中全局上下文特征提取的效率，我们提出了一种低频表示Transformer，...
解读: 该光伏板精准分割技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。DFDR-NLNet的高精度边缘识别(mIoU达91.48%)可增强SG系列逆变器阵列的智能巡检能力,通过频域特征提取优化MPPT算法的组件级监控。其电站容量评估功能可为工商业光伏项目提供精准选址与ST储能系统配置依据...