找到 24 条结果 · 光伏发电技术
基于自适应特征提取与时间迁移建模的分布式光伏超短期功率预测
Ultra-Short Term Power Forecasting for Distributed PV Based on Adaptive Feature Extraction and Temporal Transfer Modeling
Boyu Liu · Yuqing Wang · Fei Wang · Ziqi Liu 等6人 · IEEE Transactions on Industry Applications · 2025年8月
准确的分布式光伏发电功率预测对于优化电网运行、提高经济效益以及促进新能源融合至关重要。然而，现有的分布式光伏发电功率预测方法面临着若干挑战：1）卫星云图可为缺乏专业气象测量的分布式光伏提供数据支持，但云图特征建模方法往往会忽略重要特征；2）季节变化和多变的气候条件会导致光伏输出特性在时间分布上产生变化，当数据分布发生变化时，训练好的预测模型表现不佳，导致泛化能力不足。为解决这些问题，本文提出了一种基于自适应特征提取和时间迁移建模的分布式光伏区域超短期功率预测方法。该方法将卷积神经网络的空间特征捕...
解读: 该自适应特征提取与时间迁移建模技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。超短期功率预测可直接集成至云平台的智能诊断模块，通过自适应机制实时提取气象数据与历史出力特征，结合时间迁移学习捕捉不同天气模式下的功率波动规律，为分布式光伏电站提供15分钟至4小时级精...
基于领域对抗时序网络的跨区域分布式光伏系统功率预测可迁移框架
A Transferable Framework of PV Power Forecasting for Cross-Regional Distributed PV Systems Using Domain Adversarial Temporal Network
Jiaqi Qu · Qiang Sun · Zheng Qian · Hamidreza Zareipour 等5人 · IEEE Transactions on Industrial Informatics · 2025年7月
气象预报数据的缺失增加了分布式光伏系统输出功率预测的不准确性。特别是对于跨地区新建的分布式站点而言，基于数据驱动方法的建模受到历史数据不足的限制。因此，本文提出了一种基于迁移学习（TL）的领域对抗性时间网络（DATN）框架，该框架包含两个主要模块，即功率时间预测器和领域分类器。其中，考虑长短期记忆网络隐藏层权重的领域分类器旨在减少源领域和目标领域之间的分布差异。DATN采用了跨领域对抗性预训练与特定目标预测调整的迁移学习策略。在四项跨区域迁移实验中，对领域自适应方法和迁移策略的效果进行了比较。本...
解读: 从阳光电源的业务视角来看，这项基于域对抗时序网络的跨区域光伏功率预测技术具有显著的战略价值。该技术通过迁移学习框架解决了分布式光伏系统中气象数据缺失和新建站点历史数据不足的核心痛点，这与我司在全球范围内快速部署分布式光伏解决方案的业务需求高度契合。 对于我司的智能光伏逆变器和iSolarCloud...
垂直双面光伏系统模型验证：基于现场数据、不同朝向和纬度的研究
Vertical Bifacial Photovoltaic System Model Validation: Study With Field Data, Various Orientations, and Latitudes
Erin Tonita · Silvana Ovaitt · Henry Toal · Karin Hinzer 等6人 · IEEE Journal of Photovoltaics · 2025年5月
准确建模光伏（PV）系统对于太阳能光伏电站的设计、财务分析和监测至关重要。对于双面光伏应用，模型还必须提供可靠的背面辐照度算法。然而，对于东西向垂直定向系统，双面光伏辐照度模型尚未得到充分验证，在该系统中，正午时分太阳直射光束会发生转换。在此，我们利用在美国科罗拉多州戈尔登市（北纬40°）和美国阿拉斯加州费尔班克斯市（北纬65°）收集的实地数据，对五种双面辐照度模型进行了验证，这些模型适用于东西向垂直、南北向垂直和朝南倾斜的阵列。在亚小时级模型中，没有明显表现最佳的模型；“Bifacial_ra...
解读: 该垂直双面光伏系统建模与验证技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。研究中的双面辐照度精确建模方法可直接应用于SG逆变器的双面组件MPPT算法优化，通过准确预测正背面发电贡献实现更高发电效率。多纬度、多朝向的验证数据为阳光电源开发适应不同地理环境的逆变器控制策略提供...
利用LGB模型和合成特征增强光伏功率预测
Enhancing Photovoltaic Power Forecasting Using the LGB Model and Synthetic Features
Costanza Luppi · Francesco Lo Franco · Vincenzo Cirimele · Mattia Ricco 等5人 · IEEE Journal of Photovoltaics · 2025年4月
在过去十年里，对可持续能源不断增长的需求使得人们对光伏发电产生了浓厚兴趣。由于光伏发电具有间歇性，准确的光伏功率预测对于光伏系统的高效管理和监测至关重要。在这种情况下，气象数据的准确性至关重要。然而，并不总是能够在当地获取此类数据，而且通常像辐照度这样的一些信息是从其特性未被详细了解的模型中获取的。为克服这一局限性，本研究评估了五种合成特征，这些特征结合了晴空全球水平辐照度和云量数据，用于在没有直接测量数据的情况下估算总辐照度。使用轻梯度提升模型来评估采用这些合成特征的模型的预测性能，并与基于包...
解读: 该LGB模型结合合成特征的光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有直接应用价值。通过时间序列衍生特征和环境变量非线性组合，可显著提升SG系列光伏逆变器的短期功率预测精度，优化MPPT算法的前瞻性控制。在PowerTitan储能系统中，精准的光伏出力预测能改进充放电策略制定，提...
由于电池级EQE变化导致的光伏组件光谱失配损失
Photovoltaic Module Spectral Mismatch Losses Due to Cell-Level EQE Variation
Rajiv Daxini · Kevin S. Anderson · Joshua S. Stein · Marios Theristis · IEEE Journal of Photovoltaics · 2025年3月
理解太阳光谱变化对光伏（PV）设备输出的影响，对于准确可靠的光伏性能建模至关重要。尽管以往的研究已在组件层面广泛研究了这些光谱效应，但本研究在电池层面考察了光谱影响，以及后续的电流失配对组件层面输出的影响。本研究分析了11个新型商用光伏组件的电池级外量子效率（EQE）数据。结合实测的电池EQE数据，以及美国本土范围内分辨率约为20千米、为期一年的网格化气象数据和光谱辐照度模拟数据，计算了由组件限制电池的光谱失配因子所决定的组件功率输出。研究发现，由于组件内EQE的变化，组件的年化输出仅有约0.2...
解读: 该研究揭示的电池级EQE差异导致的光谱失配损失，对阳光电源SG系列光伏逆变器的MPPT算法优化具有重要价值。传统MPPT算法基于理想组件特性，未考虑单元电池EQE非均匀性在不同光谱条件下的动态影响。阳光电源可将此机理融入智能MPPT策略，针对晨昏、阴天等光谱变化场景进行功率跟踪修正，提升发电量0.5...
数据驱动方法在太阳能预测中的研究综述
A review on data-driven methods for solar energy forecasting
Nifat Sultan · Narumasa Tsutsumid · Applied Energy · 2025年1月 · Vol.400
摘要 太阳能光伏发电已成为增长最快的电力生产技术之一，对无碳能源的生产做出了重要贡献。为了充分挖掘其潜力并确保电网的高效集成，精确的太阳能预测技术至关重要。本文通过一项针对2013年至2022年间发表的1323篇研究论文的深入文献计量分析，系统地评述了全球在太阳能预测研究领域的学术贡献。在此基础上，对其中75篇具有重要影响力的文献进行详细考察，揭示了预测方法的发展脉络与当前研究现状。我们评估了统计模型、机器学习、深度学习以及混合模型的应用情况，并分析了它们在不同时间尺度和地理环境下的预测性能。分...
解读: 该综述揭示的深度学习混合预测模型对阳光电源iSolarCloud平台具有重要价值。通过集成机器学习算法可使ST储能系统的充放电策略优化提升20%以上精度,增强电网友好性。深度学习方法可应用于SG逆变器的MPPT算法优化,结合气象参数实现更精准的发电功率预测。混合模型架构为GFM/VSG控制策略提供前...
物理引导的机器学习利用稀疏、异构的公开数据预测全球太阳能电站性能
Physics-guided machine learning predicts the planet-scale performance of solar farms with sparse, heterogeneous, public data
Jabir Bin Jahangi · Muhammad Ashraful Alam · Applied Energy · 2025年1月 · Vol.396
摘要 光伏（PV）技术格局正在迅速演变。为了预测新兴光伏技术的潜力和可扩展性，必须对这些系统在全球范围内的性能有全面的理解。传统上，大型国家级研究机构的实验和计算研究主要关注特定区域气候条件下的光伏性能。然而，将这些区域性研究结果综合起来以理解其全球性能潜力已被证明十分困难。鉴于获取实验数据的成本高昂，在政治分裂的世界中协调各国国家实验室开展实验存在挑战，以及大型商业运营商的数据隐私顾虑，人们迫切需要一种根本不同且数据效率更高的方法。本文提出了一种面向光伏的物理引导机器学习（PGML）方法，证明...
解读: 该物理引导机器学习方法对阳光电源全球化布局具有重要价值。通过PVZones气候分区和稀疏数据预测全球光伏性能,可优化SG系列逆变器的区域适配策略和MPPT算法参数。结合iSolarCloud平台,该技术能以少量站点数据预测不同气候区的发电潜力,指导ST储能系统容量配置,降低新市场前期勘测成本。数据高...
增强季节性，优先气象：基于双层分层注意力机制强化光伏发电预测中的季节相关性
Amplify seasonality, prioritize meteorological: Strengthening seasonal correlation in photovoltaic forecasting with dual-layer hierarchical attention
Yunbo Niua · Jianzhou Wangb · Ziyuan Zhang · Yisheng Caoa 等6人 · Applied Energy · 2025年1月 · Vol.394
摘要 电力输出超过电网承载能力对电网安全构成严重威胁。2023年，光伏发电占可再生能源发电总增量的75%。然而，由于光伏发电输出存在显著波动，准确预测发电量已成为保障电网安全的关键手段。在实际应用中，一个关键挑战在于如何深度挖掘光伏发电数据中的隐含特征，并厘清其与气象数据之间的关联，以提升预测精度。针对这一问题，本研究提出了一种名为“增强季节性，优先气象”的光伏发电预测策略。该策略旨在利用气象信息与光伏发电数据的季节性成分建立关联，同时防止气象因素干扰趋势性成分，从而有效降低短期季节性气象波动对...
解读: 该双层分层注意力机制的光伏预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过'放大季节性、优先气象'策略深度挖掘气象与光伏数据关联,可显著提升SG系列逆变器功率预测精度超10%,优化MPPT控制策略。该技术可集成至ST储能系统的能量管理算法,实现光储协同预测调度,有效应对光伏...
时空特征编码的深度学习方法用于屋顶光伏潜力评估
Spatiotemporal feature encoded deep learning method for rooftop PV potential assessment
Jian Xuab · Zhiling Guo · Qing Yuc · Kechuan Dongd 等7人 · Applied Energy · 2025年1月 · Vol.394
摘要 屋顶光伏（PV）系统是提升城市环境中可再生能源利用的一种有前景的解决方案。准确估算屋顶光伏系统的发电潜力受到复杂城市形态所引起的遮蔽效应的制约，这些效应显著降低了屋顶表面的太阳辐照度，从而导致预测误差。传统的遮蔽模拟方法计算成本高昂，凸显了在计算效率与评估精度之间实现精细平衡的必要性。本研究提出了一种创新的深度学习框架，能够有效编码多种时空数据源，以精确预测阴影投射并计算屋顶光伏潜力。具体而言，基于物理原理的真实数据，结合U-Net网络、三维（3D）建筑细节、太阳能资源数据以及气象参数，使...
解读: 该时空特征编码深度学习框架对阳光电源屋顶光伏系统规划具有重要价值。研究通过U-Net网络精准预测建筑阴影对发电量的影响(平均损失5.32%),可优化SG系列逆变器的MPPT算法在遮挡工况下的功率追踪策略。158倍的计算加速能力可集成至iSolarCloud平台,实现大规模城市屋顶光伏资源快速评估与选...
基于注意力机制与并行预测架构的光伏发电功率预测框架
A photovoltaic power forecasting framework based on Attention mechanism and parallel prediction architecture
Zhengda Zhou · Yeming Dai · Mingming Leng · Applied Energy · 2025年1月 · Vol.391
摘要 光伏发电易受气象条件随机波动特性的影响，因此准确可靠地预测光伏发电功率具有重要意义。本文提出了一种新型混合预测框架（注意力机制-扩张因果卷积-双向长短期记忆网络-自回归模型，ADBA模型），用于超短期光伏发电功率预测。该框架结合了注意力机制、精心设计的并行预测架构，以及线性自回归（AR）组件和非线性扩张因果卷积-双向长短期记忆网络（DCC-BiLSTM）组件。首先，利用注意力机制根据输入变量的相对重要性分配权重，以优化多变量时间序列。其次，将优化后的数据分别输入并行架构中的线性和非线性组件...
解读: 该光伏功率预测框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。其Attention-DCC-BiLSTM-AR混合架构可集成至SG系列逆变器的预测性维护系统,通过注意力机制优化多元气象数据输入,并行处理线性与非线性特征,显著提升超短期功率预测精度。该技术可增强1500V系统的MPP...
SolarNexus：一种用于自适应光伏功率预测与可扩展管理的深度学习框架
_SolarNexus_: A deep learning framework for adaptive photovoltaic power generation forecasting and scalable management
Hyunsik Mina · Byeongjoon Noh · Applied Energy · 2025年1月 · Vol.391
摘要 光伏（PV）功率预测在可再生能源管理中发挥着关键作用。然而，传统预测模型通常难以适应动态环境变化，并在不同区域间实现有效扩展。针对这些挑战，本文提出了一种融合时间卷积网络（TCN）、多头注意力机制（MHA）、在线学习和迁移学习的深度学习框架。为验证所提方法的有效性，我们采用了来自韩国九个太阳能电站的数据。该数据集来源于韩国开放数据门户和韩国气象厅，涵盖了2017年1月1日至2019年12月31日的逐小时光伏发电量及气象参数，其中两年用于训练，一年用于测试。我们在相同条件下将所提出的TCN-...
解读: 该深度学习预测框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。TCN-MHA在线学习模型可集成至SG系列逆变器和ST储能系统的智能调度算法,实现17.19%的NRMSE预测精度,支持多区域迁移学习降低85%训练时间和99%功耗。该技术可优化PowerTitan储能系统的充放电策略,...
通过机器学习实现全球最优太阳能电池板倾角的预测
Global prediction of optimal solar panel tilt angles via machine learning
Bilal Rinchi · Raghad Dababseh · Mayar Jubran · Sameer Al Dahidi 等6人 · Applied Energy · 2025年1月 · Vol.382
摘要 本研究提出了一种全面的数据驱动方法，利用五个经过优化的机器学习模型和来自光伏地理信息系统（PVGIS）的12,499个全球位置的数据，预测光伏系统的最优倾角。首先，我们研究了40种不同特征组合的预测精度，这些特征包括每个位置的纬度、经度、海拔、温度、相对湿度、风速、水平面总辐射和散射辐射。其次，我们评估了四种不同数据分辨率对模型性能的影响，包括年均数据、带年方差的年均数据、月均数据以及带月方差的月均数据在气象特征上的应用。第三，我们探讨了在所有情况下将纬度作为绝对值处理的影响。研究发现，将...
解读: 该机器学习优化倾角预测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究通过多层感知器模型实现1.029°精度的倾角预测,可集成至智能运维系统,为全球12,499个站点提供精准安装指导。结合月度气象数据分解方法,可优化MPPT算法的跟踪策略,提升发电效率0.5-2%。...
基于有限数据的分布式区域光伏功率预测：一种鲁棒的自回归迁移学习方法
Distributed-regional photovoltaic power generation prediction with limited data: A robust autoregressive transfer learning method
Wanting Zheng · Hao Xiao · Wei Pei · Applied Energy · 2025年1月 · Vol.380
摘要 本文提出了一种针对高比例数据缺失场景下的分布式区域光伏发电功率预测方法。该方法通过两个关键策略增强光伏发电信息的可用性。首先，针对区域内具有有限可用光伏发电数据的参考电站，构建了一种基于DSC-LightGBM算法的可解释性预测模型，以提高光伏发电功率预测的准确性。针对这些电站在气象数据获取方面存在的不足，通过物理建模引入太阳高度角和太阳时角等太阳辐射特征，并采用Shapley加性解释（SHAP）可解释算法分析原始特征与增强特征的重要性。其次，为解决区域内大量非参考电站在实际运行中数据匮乏...
解读: 该分布式光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。针对区域内大量电站数据缺失场景,其自回归迁移学习方法可显著提升SG系列逆变器集群的发电预测精度(误差降低25.8%-50.3%)。DSC-LightGBM算法结合太阳高度角等物理特征的建模思路,可优化PowerTi...
一种用于短期光伏发电功率预测的三阶段混合模型
A three-stage hybrid model for short-term photovoltaic power prediction
Xiuying Yan · Yutong Caob · Solar Energy · 2025年1月 · Vol.301
准确预测光伏发电功率对于可再生能源的调度至关重要。为在气象条件波动的情况下提高预测精度，本文提出了一种用于短期光伏发电功率预测的三阶段混合模型，该模型融合了相似日优化、多级信号处理和混合预测方法。首先，将历史数据划分为多个时间段，并采用基于主成分分析-牛顿-拉夫逊优化器-K-means++（PCA-NRBO-K-means++）的聚类算法识别各时间段内不同的天气类型；在同一天气类型中选取与目标日相似的时间段，并重构相似日数据集。其次，通过变分模态分解-模糊熵（VMD-FE）与自适应噪声完备集合经...
解读: 该三阶段混合预测模型对阳光电源iSolarCloud智慧运维平台及ST系列储能变流器具有重要应用价值。通过PCA-NRBO-K-means++聚类算法实现相似日优选,结合VMD-FE和CEEMDAN-FE多层信号分解,可将光伏功率预测RMSE降低72.4%,显著提升SG系列逆变器与PowerTita...
多尺度太阳能制氢系统设计：一个开源建模框架
Multi-scale solar-to-hydrogen system design: An open-source modeling framework
Cristina Teixeir · Miguel Alexandre · Leonardo Rodriguesbc · António T.Vicente 等10人 · Solar Energy · 2025年1月 · Vol.301
摘要 由可再生能源生产的氢气在实现净正向目标方面具有提供可持续解决方案的巨大潜力。然而，阻碍其广泛采用的一个技术挑战是缺乏用于在真实条件下对集成系统组件进行精确尺寸设计和仿真模拟的开源建模工具。在本研究中，我们开发了一个可扩展、用户友好且开源的Python®模型，用于模拟并网型电池辅助的光伏-电解槽系统，以实现绿色氢气的生产及其向高附加值化学品和燃料的转化。该代码已在GitHub上公开发布，使用户能够预测不同规模和地理位置下太阳能制氢系统的性能。该模型应用于三个具有不同气候特征的地点——辛特拉（...
解读: 该开源光伏制氢系统建模框架对阳光电源光储氢一体化解决方案具有重要参考价值。研究验证了电池辅助PV-电解槽系统的技术可行性,与公司ST系列储能变流器、SG系列光伏逆变器可深度协同。模型中0.5 WEC/Wp PV容量配比及24/7连续运行策略,可指导iSolarCloud平台优化光储氢能量管理算法。研...
基于混合深度学习的无分布假设光伏功率概率密度预测
Distribution-Free photovoltaic power probability density forecasting based on hybrid deep learning
Haohao Fenga · Yujing Shia · Mifeng Rena · Wenjie Zhang 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 光伏（PV）发电具有高度随机性，概率预测能够有效量化其不确定性。然而，现有的概率预测模型受限于先验分布假设和不完整的表示方式，削弱了其对真实数据生成过程的建模能力，导致预测效果不理想。为解决这一问题，本文提出一种基于B样条-iTransformer-多头交叉注意力（BS-iMCFormer）的无分布假设光伏功率概率密度预测模型。该模型的核心在于：利用B样条拟合通过核密度估计（KDE）获得的概率密度函数（PDF），提取表征PDF特征的控制点以构建系数向量，并将PDF预测转化为系数向量的预测；...
解读: 该无分布假设的光伏功率概率密度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。基于B样条-iTransformer的混合深度学习模型可集成至预测性维护系统,通过精准量化发电不确定性,优化ST系列储能PCS的充放电策略制定。其KL散度降低54.82%的性能提升,可...
ConvODE-Mixer：一种用于超短期光伏功率预测的多模态深度学习模型
ConvODE-Mixer: A multimodal deep learning model for ultra-short-term PV power forecasting
Binbin Yonga · Yanxiang Zhang · Jun Shenb · Aiai Renb 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 太阳能已成为应对全球能源与环境挑战的关键可再生能源。由于气象因素引起的光伏发电随机波动，光伏功率预测仍面临重大挑战，可能引发电网不稳定事件。本文提出了一种名为ConvODE-Mixer的多模态模型，该模型将卷积神经网络（CNN）与神经常微分方程（NODE）相结合，以提高超短期光伏功率预测的准确性。通过融合地面云图（GBCI）和气象数据，ConvODE-Mixer采用多尺度轻量化缩减型空洞空间金字塔池化（LR-ASPP）分割模块来捕捉云层厚度的变化，并引入通道注意力机制对光透射率敏感特征进行...
解读: 该ConvODE-Mixer多模态超短期光伏功率预测技术对阳光电源SG系列逆变器及ST储能系统具有重要应用价值。通过融合地基云图与气象数据,10分钟预测精度显著提升(MSE降低40.45%),可深度集成至iSolarCloud平台实现预测性运维。该技术能优化储能系统充放电策略,配合GFM控制技术提升...
基于多模态模型的分布式光伏电站多步功率预测方法
Multi-step power forecasting method for distributed photovoltaic (PV) stations based on multimodal model
Siyuan Fan · Hua Genga · Hengqi Zhang · Solar Energy · 2025年1月 · Vol.298
我们开发了一种融合视觉与物理信息的多模态光伏发电功率预测方法，以解决传统预测方法在应对光伏面板状态变化方面的不足。利用监测设备获取的时间序列图像来观测光伏状态随时间的变化情况，并采用皮尔逊相关系数评估气象与环境因素同光伏功率之间的关系。提出了一种三阶段混合数据重构方法，以解决光伏系统中数据缺失、噪声较高以及时间戳不同步等问题。采用卷积特征提取网络分析光伏面板遮挡对发电效率的影响。引入一种可学习权重的交叉注意力特征融合机制，以克服单一数据融合策略在捕捉复杂相关性方面的局限性。实验结果表明，所提出的...
解读: 该多模态光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过融合监控图像与物理数据的三阶段混合重建方法,可显著提升SG系列逆变器的MPPT优化精度,特别是在组件遮挡场景下。多步预测能力(MSE提升45.40%)可增强ST系列储能变流器的充放电策略优化,实现更精准的削峰填...
积尘对光伏和光热发电系统的影响：半干旱气候下的实验分析与模拟研究
Impact of dust accumulation on PV and CSP systems: Experimental analysis and simulation insights in semi-arid climate
Mohamed Boujoudar · Massaab El Ydrissi · Mounir Abraim · Amine Moulay Tajb 等7人 · Solar Energy · 2025年1月 · Vol.296
摘要 积尘（“污秽”）显著降低了光伏（PV）和聚光太阳能热发电（CSP）系统的能量输出，尤其是在干旱和半干旱气候条件下。尽管其影响显著，但积尘造成的能量损失常常被低估，且区域性和季节性差异常被忽视。本研究在摩洛哥绿色能源公园（GEP）的相同环境条件下，评估了积尘对大规模光伏和光热发电系统的影响。研究对象包括三种光伏技术（单晶硅、多晶硅、碲化镉）以及一种CSP技术（菲涅尔式），每种光伏技术设置两套系统，其中一套每两天清洁一次，另一套则长期不清洁。通过高精度测量手段，包括用于CSP系统的跟踪清洁度系...
解读: 该研究揭示光伏与CSP系统积灰损失差异,对阳光电源SG系列逆变器及iSolarCloud平台具有重要价值。研究显示PV日均污损率0.44-0.51%,CSP达1.99%,四个月累计PV损失5.5%而CSP达28.7%。可启发iSolarCloud平台集成基于气象数据的智能清洗预警算法,结合MPPT优...
基于累积天空和典型气象年数据的欧洲双面光伏电站最佳倾角
Optimal tilt angles for bifacial photovoltaic plants across Europe based on cumulative sky and Typical Meteorological Year data
Apolline Ferry · Mattia Parenti · Martin Thebault · Christophe Menezo 等5人 · Solar Energy · 2025年1月 · Vol.293
摘要 欧洲2030年能源转型目标大力推动光伏电站的大规模普及，无论是在建筑层面还是陆地上的大型公用事业系统。预计到2030年，欧洲的光伏装机容量将达到900吉瓦，是2022年水平的4.3倍。目前，双面组件是公用事业级光伏系统的最佳选择，能够在增加极少成本的情况下提供更高的太阳能发电量。本文通过优化多种配置下的组件倾角，有助于提升欧洲范围内双面光伏电站的效率。典型气象年数据从PVGIS平台获取，覆盖按照50公里×50公里规则网格均匀分布于欧洲境内的2382个点位。针对每个地点构建累积天空辐射度，并...
解读: 该研究对阳光电源SG系列逆变器在欧洲地面电站的优化部署具有重要价值。双面组件最优倾角随纬度变化(26°-36°)及地面覆盖率(GCR)的影响分析,可指导1500V系统设计中的MPPT算法优化,提升前后表面发电量。结合iSolarCloud平台的气象数据接入,可为欧洲900GW光伏目标提供因地制宜的倾...
第 1 / 2 页