找到 3 条结果 · Applied Energy
推动家庭采纳气候智能型电气技术：来自美国的经验
Mobilizing household adoption of climate-smart electric technologies: Lessons from the U.S.
Snehal Kale · Marilyn A.Brow · Applied Energy · 2025年1月 · Vol.400
摘要 电气化技术三元组——电动汽车（EVs）、屋顶光伏（RPVs）和热泵（HPs）——为实现显著的低碳化提供了经济可行的路径。然而，这些技术在美国各州的采纳程度存在差异，部分州和大都市区展现出显著的领先作用。现有文献尚未明确相同的政策与市场策略是否在不同技术与地理区域中均能同等有效地发挥作用，或是否需要因地制宜的定制化方案。本文基于来自佐治亚州1,782户家庭的广泛调查数据以及地理层面的市场渗透数据，探讨如何有效推动气候智能型电气化。首先，结合参数与非参数检验方法，识别各项技术特有的采纳动因，并...
解读: 该研究揭示户用光伏、储能与电动汽车充电桩的协同推广规律,对阳光电源户用光伏逆变器(SG系列)、储能系统(ST系列PCS)及充电桩产品线具有重要战略价值。研究强调差异化政策驱动与用户画像匹配,启发阳光电源在iSolarCloud平台整合三类产品的智能运维数据,针对高气候关注度用户推广光储方案,针对高收...
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...
屋顶光伏与作为电池的电动汽车集成对日本所有市町村脱碳潜力的研究
On the decarbonization potentials of rooftop PVs integrated with EVs as battery for all the municipalities of Japan
Nguyen Thi Quynh Trang · Koharu Ok · Yusei Sugiyam · Takahiro Yoshi 等8人 · Applied Energy · 2025年1月 · Vol.393
摘要 屋顶光伏（PV）系统在其脱碳潜力方面常常因技术、经济和社会障碍而被低估。然而，光伏技术的快速进步表明，屋顶光伏可能发挥的作用远超普遍认知，特别是当其与作为电池使用的电动汽车（EV）相结合时（即“光伏+电动汽车”，PV + EV）。本文针对日本全部1741个市町村，开展了屋顶光伏与电动汽车（纯电动汽车BEV，配备40 kWh电池，其中约一半容量可用于灵活性调节）集成系统的经济技术分析。假设70%的屋顶面积安装效率为20%的光伏系统，我们估算出日本屋顶光伏总装机容量可达1155吉瓦（GW），年...
解读: 该研究验证了光储充一体化系统的巨大潜力,与阳光电源ST系列储能变流器、SG系列光伏逆变器及充电桩产品战略高度契合。研究显示PV+EV系统可满足85%电力需求并减排87%,凸显V2H/V2G双向充电技术的关键价值。阳光电源可基于此优化三电平拓扑和GFM控制策略,提升iSolarCloud平台对分布式光...