找到 56 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...
基于动态图网络与形状-幅值准则的分布式光伏超短期功率确定性与概率预测
A Distributed PV Ultra-short-term Power Deterministic and Probabilistic Forecasting Based on Dynamic Graph Network with Shape-amplitude Criteria
Yuqing Wang · Zhen Zhao · Fei Wang · Shumin Sun 等6人 · IEEE Transactions on Industry Applications · 2025年9月
准确预测分布式光伏发电功率对于确保有源配电网的安全稳定至关重要。然而，目前大多数关于分布式光伏发电功率预测的研究存在一定局限性，主要包括：1）对各发电站点之间动态相关性的考虑不足；2）缺乏能够同时使预测值的幅值和形状与真实值相匹配的训练损失函数。因此，本文提出一种基于形状 - 幅值损失函数的动态图网络分布式光伏超短期功率预测方法。首先，采用数据驱动的方法挖掘动态相关性，并生成动态图数据，以确保对分布式光伏之间的相关性进行有效表征。其次，构建动态图网络作为功率预测模型，以实现对时空相关特征的有效利...
解读: 该动态图网络预测技术对阳光电源iSolarCloud智能运维平台及SG系列逆变器群控系统具有重要应用价值。其形状-幅值准则可优化分布式光伏电站的功率预测精度，直接提升主动配电网调度能力。可应用于：1）iSolarCloud平台的超短期功率预测模块，通过挖掘多站点时空关联提升预测准确性；2）SG逆变器...
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...
一种基于TKAN的光伏阵列输出功率异常检测方法
An Anomaly Detection Method for the Output Power of Photovoltaic Arrays Based on TKAN
Tingting Pei · Lei Jiang · Wei Chen · Haiyan Zhang 等6人 · IEEE Journal of Photovoltaics · 2025年8月
当今，光伏发电系统面临的最大挑战之一是使其保持在理想的发电效率下运行。为实现这一目标，对光伏阵列输出功率进行异常检测对于确保系统的可靠性和安全性至关重要。本文提出了一种基于时间柯尔莫哥洛夫 - 阿诺尔德网络（TKANs）的光伏阵列输出功率异常检测方法。首先，通过选取光伏阵列输出功率、环境温度、组件温度和辐照度的时间序列作为输入特征，构建光伏阵列参数数据集。其次，通过获取环境信息和运行参数的边界值，并将其缩放到 0 - 1 的范围，对光伏阵列参数数据集进行特征归一化处理。然后，使用 TKAN 神经...
解读: 该TKAN异常检测技术对阳光电源iSolarCloud智能运维平台具有直接应用价值。可集成至SG系列光伏逆变器的智能诊断模块，通过时序特征分析实时监测组串级输出功率异常，提前识别遮挡、热斑、组件失效等故障模式。相比传统阈值法，该方法的动态权重机制能适应不同天气条件下的功率波动特性，显著降低误报率。可...
HiGN-ARec：一种用于空间层级光伏功率预测的自适应协调分层图网络
HiGN-ARec: A Hierarchical Graph Network with Adaptive Reconciliation for PV Power Forecasting in Spatial Hierarchy
Yanru Yang · Ping Wang · Shaolong Shu · Feng Lin · IEEE Transactions on Sustainable Energy · 2025年8月
在具有层级结构的电网中，光伏（PV）功率预测至关重要。本文提出一种端到端深度网络HiGN-ARec，可同时预测各层级的光伏功率。该模型包含基础预测与协调两部分：基础预测部分结合先进的时空模块与跨层级交互模块，充分挖掘层级内与层级间信息；协调部分引入可学习的协调矩阵P和聚合矩阵S，以实现预测结果的动态调整与层级一致性约束。实验基于美国国家可再生能源实验室（NREL）的合成数据验证了方法的有效性，结果表明所提方法优于现有对比方法。
解读: 该分层图网络光伏功率预测技术对阳光电源iSolarCloud智能运维平台及SG系列光伏逆变器具有重要应用价值。其层级化预测架构可直接应用于分布式光伏电站的多层级功率管理：从单台SG逆变器到汇流箱、再到区域电站的全链条预测。自适应协调机制能确保各层级预测一致性，可优化PowerTitan储能系统的充放...
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...
基于天气的光伏功率随机模拟的双向LSTM与基于风格的生成对抗网络
Bi-LSTM and Style-Based Generative Adversarial Network for Stochastic Simulation of Photovoltaic Power Generation Based on Weather
Chunyu Zhang · Xueqian Fu · Zhengshuo Li · IET Power Electronics · 2025年7月 · Vol.18
本文提出一种基于天气场景生成模型的潮流分析方法，该方法能够生成具有真实概率特性、时间特征及全年多样化变化的大量逐小时天气场景，从而全面分析电力系统潮流。通过结合双向长短期记忆网络与基于风格的生成对抗网络，模型有效捕捉气象变量的时序依赖性与多模态分布特征，提升光伏出力随机模拟的精度与多样性，为电网运行与规划提供可靠的输入场景。
解读: 该Bi-LSTM与StyleGAN融合的光伏功率随机模拟技术对阳光电源iSolarCloud智能运维平台及SG系列逆变器控制策略具有重要应用价值。模型生成的高精度逐小时天气-功率场景可直接用于：1）iSolarCloud平台的预测性维护模块，通过多样化场景模拟提升发电量预测准确性；2）ST储能系统的...
基于灰色关联分析与Transformer-GCAN模型的县域分布式光伏日前功率预测
County-level Distributed PV Day-ahead Power Prediction based on Grey Correlation Analysis and Transformer-GCAN Model
Pei Zhang · Bin Zhang · Jinliang Yin · Jie Shi · IEEE Transactions on Sustainable Energy · 2025年7月
县域内分布式光伏电站具有显著的时空相关性，仅考虑时间相关性难以满足日前调度需求。本文提出一种基于灰色关联分析和Transformer-图卷积注意力网络（Transformer-GCAN）的县域日前功率预测方法。首先通过灰色关联度确定光伏电站间的关联关系并构建站间图结构；其次利用Transformer提取各节点时间特征，并结合图卷积网络引入图注意力机制动态捕捉空间特征；最后通过全连接网络融合时空特征实现县域总功率预测。算例结果表明，相较于Transformer-GCN模型，该方法在晴天、多云和雨天...
解读: 该县域分布式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。通过灰色关联分析构建站间拓扑结构，结合Transformer-GCAN模型捕捉时空特征，可显著提升日前功率预测精度（不同天气条件下RMSE降低11.90%-19.61%）。该方法可直接集成到iSolarClou...
电压匹配的全钙钛矿双结与三结太阳能组件用于建筑集成光伏
Voltage-Matched All-Perovskite Double- and Triple-Junction Solar Modules for Building-Integrated Photovoltaics
Yasuhiko Takeda · Ken-ichi Yamanaka · Naohiko Kato · IEEE Journal of Photovoltaics · 2025年6月
我们设计了用于安装在建筑物墙壁上的多结太阳能组件，其中所有子组件均由有机 - 无机杂化钙钛矿太阳能电池组成，采用单片串联互连结构。在考虑具体的组件配置之前，我们阐明了太阳光谱的时间和区域变化对垂直安装在墙壁上的组件的影响，比其对以最佳倾斜角度安装在屋顶和太阳能农场的组件的影响更为显著。因此，传统双端配置的双结（2J）组件以及其他需要顶部和底部组件之间电流匹配的配置的年平均转换效率会显著降低。相比之下，电压匹配（VM）的 2J 组件，即产生大致相同最大功率电压（<italic xmlns:mml=...
解读: 该全钙钛矿多结组件技术对阳光电源BIPV光伏系统具有重要应用价值。电压匹配设计可为SG系列组串式逆变器提供更宽MPPT电压范围适配方案，轻质柔性特性适合建筑立面安装场景。三结结构的高效光谱利用可提升弱光环境发电性能，契合建筑墙面非最优倾角应用。建议在iSolarCloud平台集成钙钛矿组件专用IV曲...
基于样本图的多元短期光伏功率预测
Sample-Wise Graph-Based Multivariate Short-Term PV Power Forecasting
Xuguang Wang · Wangjie Liu · Junhong Ni · Mi Zhang · IEEE Transactions on Sustainable Energy · 2025年6月
可靠的短期光伏（PV）功率预测对电力系统电源的合理调度与运行成本的有效控制具有重要意义。然而，光伏功率数据的时间错位及回归精度不平衡问题严重影响预测可靠性。本文从预测模型样本的角度研究多元光伏功率预测。首先，通过时延向量参数化样本的错位程度；进而定义样本图以关联时延向量与光伏功率数据；随后通过最小化样本图的平滑性度量估计时延向量；最后提出基于样本图的样本加权策略，缓解回归精度不平衡问题。在真实数据集上的实验验证了所提方法的有效性，对比实验表明该方案显著提升了短期光伏功率预测性能。
解读: 该样本图多元预测技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。通过时延向量参数化解决光伏功率数据时间错位问题，可显著提升SG系列逆变器集群的短期功率预测精度，优化MPPT算法的前瞻性控制。样本加权策略能改善回归精度不平衡，特别适用于ST储能变流器的充...
基于残差视觉重构器的天空图像序列超短期太阳能功率预测
Ultra-Short-Term Solar Power Prediction Using Sky Image Sequences by a Residual Vision Reformer
Razieh Rastgoo · Nima Amjady · Shunfu Lin · S. M. Muyeen · IEEE Transactions on Sustainable Energy · 2025年6月
太阳能发电受云层变化影响显著，具有较强不确定性，给可再生能源系统的稳定性带来挑战。准确的超短期太阳能功率预测有助于提升电网调度与运行效率。本文提出一种基于深度学习的预测模型，包含三个核心模块：多流视频视觉Transformer（MS-ViViT）用于提取天空图像序列的时空特征；融合改进型Reformer（Fused I-Reformer）通过融合编码器和新型损失函数增强序列学习能力；以及带注意力机制的残差全连接网络（ARFC）用于最终功率预测。在六个真实数据集上与36种对比模型进行的实验表明，该...
解读: 该基于天空图像序列的超短期光伏功率预测技术对阳光电源智能运维体系具有重要应用价值。可直接集成至iSolarCloud云平台，通过部署天空相机与深度学习模型，实现5-30分钟级功率预测，显著提升SG系列逆变器的MPPT算法响应速度。对于PowerTitan大型储能系统，该技术可优化充放电策略，通过提前...
知识集成GAN模型用于光伏并网分析中的全年天气随机时间序列模拟
Knowledge-Integrated GAN Model for Stochastic Time-Series Simulation of Year-Round Weather for Photovoltaic Integration Analysis
Xueqian Fu · Fuhao Chang · Hongbin Sun · Pei Zhang 等5人 · IEEE Transactions on Power Systems · 2025年4月
对于高比例光伏发电的电力系统随机生产模拟而言，气象模拟已变得至关重要。生成式人工智能已成为气象序列随机模拟的核心技术。鉴于生成式人工智能技术在内容生成方面的不可控性，本研究提出了一种由数据与知识融合驱动的年度气象场景随机模拟新方法。融合工作包括构建月度气象生成对抗网络（MWGAN）、一种基于统计概率知识的生成场景质量提升方法，以及一套用于评估生成气象场景的统计机器学习方法。利用中国广东某地48年的气象数据，对所提出的年度气象场景随机模拟方法进行了验证。通过将所提出的模型与五种前沿的生成对抗网络（...
解读: 该知识集成GAN模型对阳光电源光伏储能系统具有重要应用价值。在SG系列光伏逆变器产品线，可用于优化MPPT算法的预测性控制，通过高保真气象序列模拟提升发电功率预测精度；在ST系列储能变流器及PowerTitan大型储能系统中，全年逐时天气随机模拟可支持储能容量优化配置与充放电策略制定，提升系统经济性...
基于多模态数据融合与模糊化的超短期太阳辐照度预测
Ultra Short-Term Solar Irradiance Forecast Based on Multimodal Data Fusion and Fuzzification
Xiangsen Wei · Dong Yue · Gerhard P. Hancke · Chunxia Dou 等6人 · IEEE Transactions on Industrial Informatics · 2025年1月
太阳辐照度的间歇性是导致光伏（PV）系统功率输出快速波动的主要原因。这些波动阻碍了太阳能发电设备大规模并入电网，进而阻碍了利用太阳能资源减少碳排放的进程。解决这一困境的主要途径是实现太阳辐照度的高精度预测。尽管存在各种预测太阳辐照度变化的方法，但很少有方法专注于充分利用多模态数据信息和模糊方法来提高预测性能。因此，本文提出了一种结合多模态数据融合和模糊化的方法来预测超短期全球水平辐照度（GHI）。首先，设计了一种模态转换方法，将时间模态数据转换为空间模态数据。然后，将转换后的数据与正常和欠曝光全...
解读: 从阳光电源的业务实践来看，这项基于多模态数据融合与模糊化的超短期太阳辐照度预测技术具有显著的应用价值。当前光伏发电的间歇性波动是制约大规模并网的核心痛点，直接影响我们逆变器的功率控制策略和储能系统的调度效率。该技术通过将时序数据转换为空间模态，并融合全天空图像与模糊化处理，为解决这一难题提供了创新路...
海上风电场与漂浮式光伏系统混合化：功率平滑与出力-需求差异降低
Hybridisation of offshore wind farms with floating photovoltaics: Power smoothing and output-demand divergence reduction
Josh Moore · Gregorio Iglesias · Energy Conversion and Management · 2025年1月 · Vol.345
摘要 与陆上可再生能源类似，海上可再生能源也具有间歇性，这给电网稳定性的维持带来了挑战，并导致平衡成本增加。本研究旨在探讨如何通过在风力涡轮机之间广阔的未利用海域部署漂浮式光伏系统，来缓解运行中风电场的功率波动性，并减轻其爬坡事件的严重程度和发生频率。本文选取伦敦阵列（London Array）海上风电场作为案例研究对象。基于一个专门定义的参数——加权爬坡事件严重度（Weighted Ramping Event Severity, WRES），提出了一种量化爬坡事件严重性的新方法。分析在高时间分...
解读: 该海上风光互补研究对阳光电源海上光伏逆变器及储能系统具有重要价值。研究证实光伏可降低风电波动20.8%,验证了SG系列逆变器在海上漂浮光伏场景的应用潜力。10分钟高频功率平滑需求与PowerTitan储能系统的快速响应特性高度契合,ST系列PCS的GFM控制技术可有效应对爬坡事件。建议开发耐盐雾海上...
使用遗传算法优化带储能的独立混合可再生能源系统设计：风能与太阳能时间互补性影响分析
Optimizing the design of stand-alone hybrid renewable energy systems with storage using genetic algorithms: Analysis of the impact of temporal complementarity of wind and solar sources
Jose Luis Munoz-Pincheira · Lautaro Salazar · Felipe Sanhueza · Armin Lüer-Villagr · Energy Conversion and Management · 2025年1月 · Vol.341
摘要 本研究分析了风能与太阳能之间的时间互补性对带储能的独立混合可再生能源系统（HRES）最优设计的影响。研究在GNU Octave中开发了一个采用固定随机种子的遗传算法模型，以确保结果的可重复性并实现不同情景之间的比较。目标是在满足由电力供应缺失概率（LPSP）定义的可靠性约束条件下，最小化净现值成本（NPC）。在不同互补性水平下评估了恒定和可变负荷曲线，结果表明其影响依赖于负荷类型。此外，对LPSP、电池成本和折现率进行了敏感性分析，揭示了这些参数如何影响最优系统配置。结果表明，在可靠性要求...
解读: 该研究对阳光电源混合储能系统具有重要指导意义。风光互补性优化可直接应用于ST系列储能变流器与SG光伏逆变器的协同配置策略,通过遗传算法优化LPSP可靠性指标,支撑PowerTitan储能系统容量设计。研究中的NPC成本优化模型可集成至iSolarCloud平台,实现分布式发电项目的智能规划与预测性运...
多尺度融合图卷积网络用于多站点光伏功率预测
Multi-scale fused Graph Convolutional Network for multi-site photovoltaic power forecasting
Qi Sim · Xinze Zhang · Siyue Yang · Liang Shen 等5人 · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 近年来，通过精细挖掘时空关系的多站点光伏功率预测因其在降低建模成本和提高预测精度方面的潜力而受到广泛关注。然而，现有方法通常忽略了在真实场景中多个站点之间跨不同时间尺度存在的复杂且动态变化的时空相关性。为解决这一局限性，本研究从多尺度视角提出了一种新颖且有效的模型：多尺度融合图卷积网络（Multi-Scale Fused Graph Convolutional Neural Network, MSF-GCN）。MSF-GCN引入了一个多图卷积（MGCN）模块，该模块结合预定义图与可自适应学...
解读: 该多尺度图卷积网络技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。MSF-GCN模型通过多图卷积捕获分布式光伏电站间空间依赖关系,结合多尺度时序分解,可显著提升SG系列逆变器集群的功率预测精度(MAE提升13.21%)。其自适应图学习机制能优化PowerTitan储能系统的充放电策...
用于光伏输出预测的混合机器学习模型：结合随机森林与LSTM-RNN实现鱼菜共生系统的可持续能源管理
Hybrid Machine learning models for PV output prediction: Harnessing Random Forest and LSTM-RNN for sustainable energy management in aquaponic system
Tresna Dewi · Elsa Nurul Mardiyat · Pola Risma · Yurni Oktarin · Energy Conversion and Management · 2025年1月 · Vol.330
准确预测光伏发电（PV）系统输出对于优化可持续鱼菜共生系统中的能源管理至关重要，其中太阳辐照度的波动带来了重大挑战。本研究提出了一种结合长短期记忆循环神经网络（LSTM-RNN）与随机森林（RF）的混合模型，以有效应对这些挑战。该模型融合了LSTM-RNN在建模时间依赖性方面的优势以及RF在特征选择和处理非线性数据方面的能力，从而在电压、电流、功率和辐照度等参数上展现出优越的预测精度。通过采用包括归一化和序列转换在内的先进预处理步骤，使数据集与时间模式对齐，提升了模型的学习效率。评估指标如均方根...
解读: 该混合机器学习模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。LSTM-RNN与随机森林结合的预测方法可集成至SG系列光伏逆变器的MPPT优化算法,提升发电预测精度(RMSE<0.08)。模型对辐照度和温度的特征优先级分析(贡献度45%和22%)可优化ST系列储能PCS的充放电策略...
基于多域协作与协变量交互的严重数据缺失下鲁棒光伏预测
Robust photovoltaic forecasting under severe data missingness via multi-domain collaboration and covariate interaction
Ke Yana · Jian Liua · Jiazhen Zhang · Fan Yangb 等6人 · Applied Energy · 2025年1月 · Vol.401
摘要 高质量的光伏发电（PV）功率预测对于高效的能源管理和可靠的电网集成至关重要，然而实际应用中的数据常常面临目标变量和辅助变量的大范围缺失问题。为应对这一挑战，本文提出MDCTL-MCI，一种具备缺失感知能力的预测框架，该框架联合利用信号分解、多尺度协变量交互以及多域协同迁移学习。首先，采用多元奇异谱分析（MSSA）对不完整时间序列进行去噪与重构，在无需显式填补的情况下增强潜在的时间结构特征。接着，引入轻量级的多尺度协变量交互（MCI）模块，建模重构后的光伏功率、全球水平辐照度、直接法向辐照度...
解读: 该多域协同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。针对实际电站数据缺失问题,MSSA信号重构与多尺度协变量交互建模可直接集成至SG系列逆变器的MPPT优化算法,提升发电功率预测精度10.5%-15.3%。多站点迁移学习策略可赋能PowerTitan储能系统的充放电调...
多相关性联合驱动的高维水-风-光场景生成方法
High-dimensional scenario generation method joint-driven by multiple correlations for hydro-wind-photovoltaic
Zixuan Liua · Li Moa · Mi Zhanga · Jiangrui Kangd 等7人 · Applied Energy · 2025年1月 · Vol.400
摘要 随着清洁能源在电网中占比不断提高，准确刻画其不确定性已成为规划与优化水-风-光（HWP）多能互补系统的关键挑战。为应对HWP能源在高维变量及时空随机依赖关系方面的复杂建模需求，本文提出一种由多种相关性联合驱动的新型高维场景生成方法。首先，基于高斯混合模型（GMM）构建时间自相关模型，并结合Copula函数建立空间互相关模型，通过累积分布函数实现多种相关性的协同建模。其次，通过评估经验数据分布与理论模型分布之间的均方根误差，并辅以Kolmogorov-Smirnov拟合优度检验，验证所构建模...
解读: 该高维场景生成方法对阳光电源水风光储多能互补系统具有重要价值。通过GMM-Copula联合建模精准刻画时空相关性,可显著提升ST系列储能变流器和PowerTitan系统的调度优化精度。该方法生成的日尺度场景集能为iSolarCloud平台提供更准确的不确定性预测数据支撑,优化GFM/GFL控制策略在...
识别建筑光伏系统成本效益分析中影响因素的框架
A framework for identifying influential factors in cost-benefit analysis of building-applied photovoltaics systems
Sara A.Sharbaf · Nicola Lolli · Inger Andresen · Patricia Schneider-Marin · Applied Energy · 2025年1月 · Vol.400
摘要 光伏（PV）系统在全球范围内被广泛用于实现建筑能源系统的脱碳。然而，经济和社会方面的挑战阻碍了其更广泛的部署，引发了对该技术可行性的担忧。本研究通过成本效益分析（CBA）、敏感性分析和不确定性分析，探讨影响建筑中光伏系统经济盈利能力的关键因素。为了突出利益相关者的视角，并评估成本与效益分配对成本效益分析结果的影响，本文考察了两种商业模式。研究结果表明，业主独享的商业模式通过使成本与收益相匹配，提高了财务可行性；而业主与租户共享的模式则可能不成比例地加重租户负担。研究以挪威一座典型的办公建筑...
解读: 该研究对阳光电源建筑光伏系统经济性优化具有重要指导意义。研究强调的系统成本、维护成本、组件寿命和可用面积等关键参数,与SG系列逆变器的高效率、低维护设计及iSolarCloud智能运维平台的预测性维护功能高度契合。针对业主-租户成本收益分配问题,可结合PowerTitan储能系统和智慧能源管理方案,...
第 1 / 3 页