提高高绝对湿度环境下直流电弧检测精度

Improving the precision of DC arc detection in high absolute humidity environment

Xinran Liab · Xuxin Gea · Ziyu Zhu · Fan Jia 等6人 · Solar Energy · 2025年10月 · Vol.299

摘要 直流（DC）电弧是导致光伏系统和电池系统等直流系统故障的主要原因之一。由于放电条件会影响电弧噪声的特性，其中湿度是一个重要因素，因此直流电弧难以检测。然而，大多数研究是在固定湿度条件下进行的，导致湿度如何影响电弧检测的机制尚不明确。这种不确定性阻碍了在宽湿度范围内对直流电弧进行可靠检测。本研究系统地探讨了绝对湿度对直流电弧检测的影响，涵盖电弧噪声行为、特征提取以及分类性能。实验结果表明，电弧噪声的时频分布包含上升和下降两个阶段。具体而言，电弧噪声的幅度与绝对湿度呈负相关，而其峰值出现时间则...

解读: 该高湿度环境直流电弧检测技术对阳光电源SG系列光伏逆变器和ST储能变流器的安全防护具有重要价值。光伏电站和储能系统常部署于沿海、热带等高湿度地区，现有AFCI（电弧故障断路器）功能在湿度变化时易产生误判或漏检。研究揭示的湿度对电弧噪声特性的影响机理，可优化阳光电源直流侧电弧检测算法，通过自适应特征提...

异构动态数据环境下分布式光伏在线增量概率功率预测

Online incremental probability power prediction for distributed PVs in heterogeneous and dynamic data environments

Le Zhang · Ziyu Chen · Jizhong Zhu · Kaixin Lin 等5人 · Applied Energy · 2025年9月 · Vol.394

摘要 数据共享是提升小样本条件下分布式光伏发电功率数据驱动模型预测精度的标准解决方案。然而在实际应用中，由于数据的去中心化所有权以及复杂多变的外部环境，该方案面临数据隐私、数据异构性以及动态数据学习等方面的挑战。为应对这些挑战，本文提出一种基于贝叶斯随机配置网络（BSCN）与个性化联邦学习（PFL）的增量式概率预测方法。具体而言，采用随机配置网络——一种新兴的单隐层无迭代神经网络——快速构建功率预测模型；为获得后验分布并确定概率输出，引入贝叶斯推断对SCN的输出参数进行评估。针对小样本和异构数据...

解读: 该分布式光伏概率预测技术对阳光电源iSolarCloud智慧运维平台及SG系列逆变器具有重要应用价值。其联邦学习框架可保护多业主数据隐私,增量学习策略适配动态环境,可显著提升小样本场景下的功率预测精度。技术可集成至iSolarCloud平台,优化分布式光伏集群的预测性维护与功率调度;结合SG逆变器M...