找到 6 条结果 · Applied Energy
配电网中分布式模块化储能系统的最优鲁棒配置以实现电压调节
Optimal robust allocation of distributed modular energy storage system in distribution networks for voltage regulation
Zirong Xu · Zhiyuan Tang · Yongdong Chen · Youbo Liu 等6人 · Applied Energy · 2025年6月 · Vol.388
本文研究了在主动式低压配电网（DNs）中为减小电压偏差而进行的分布式模块化储能（DMES）最优鲁棒配置（位置与数量）问题。在所提出的配置问题中，设计了一种新颖的集中-本地控制框架（CLCF）用于DMES的电压调节，并对该框架下的下垂系数设定方案进行了优化确定。此外，为了应对有功与无功功率注入之间的不确定性及其相关性，本文在一种新型的相关多面体不确定性集（CPUS）下构建了鲁棒优化模型来表述DMES配置问题，从而避免解的过度保守性。进一步地，为使所提出的非线性非凸配置问题在计算上具有可追踪性，将其...
解读: 该分布式模块化储能优化配置技术对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。论文提出的集中-本地控制框架与下垂系数优化调度,可直接应用于我司储能变流器的电压调节策略,提升低压配网场景下的电压质量。其鲁棒优化模型能有效应对功率不确定性,为iSolarCloud平台的智能运维算...
解锁建筑一体化光伏与电池
BIPVB）系统深度强化学习中的预测洞察力与可解释性
Yuan Gao · Zehuan Hu · Shun Yamat · Junichiro Otomo 等9人 · Applied Energy · 2025年4月 · Vol.384
摘要 可再生能源的部署以及智能能源管理策略的实施对于建筑能源系统（BES）的脱碳至关重要。尽管数据驱动的深度强化学习（DRL）在优化BES方面已取得近期进展，但仍存在显著挑战，例如缺乏针对时间序列数据观测空间的研究以及模型可解释性的不足。本文首次将未来预测信息引入DRL算法中，以构建时间序列数据的观测空间，并采用门控循环单元（GRU）和Transformer网络与DRL算法相结合，用于建筑一体化光伏与电池（BIPVB）系统的运行控制。此外，通过将前沿的Shapley加性解释（SHAP）技术与所开...
解读: 该深度强化学习优化技术对阳光电源光储一体化系统具有重要应用价值。研究中的GRU/Transformer时序预测与DRL决策框架可直接应用于ST系列储能变流器的智能调度策略,结合电价预测信息实现成本降低10%以上。SHAP可解释性分析方法可增强iSolarCloud平台的AI决策透明度,为PowerT...
基于改进长短期记忆网络与数据驱动预测控制的电动汽车能量管理
Energy management of electric vehicles based on improved long short term memory network and data-enabled predictive control
Bin Chen · Guo He · Lin Hu · Heng Li 等7人 · Applied Energy · 2025年4月 · Vol.384
摘要 作为混合储能系统（HESS）电动汽车中一种流行的能量管理策略（EMS），模型预测控制（MPC）易受现有参数建模方法在模型精度和参数敏感性方面的影响。本文提出了一种基于分层数据驱动预测控制的新型EMS。上层采用优化的长短期记忆（LSTM）网络进行轨迹预测，从而为下层获取具有成本效益的负载功率需求。在下层，针对HESS提出了一种数据驱动预测控制（DeePC）方法，以实现电池与超级电容器之间的最优功率分配，并最小化电池容量衰减。与传统的MPC不同，DeePC基于仅从HESS的输入-输出数据构建的...
解读: 该分层数据驱动预测控制技术对阳光电源储能系统具有重要应用价值。论文提出的DeePC方法无需精确参数建模,仅依赖输入输出数据即可实现电池-超级电容混合储能的最优功率分配,相比传统MPC降低运行成本22.68%。该技术可直接应用于ST系列PCS的能量管理策略优化,通过LSTM网络预测负荷需求,结合Dee...
符合概率分布的物理约束风力发电预测方法：面向抗噪深度学习
Physics-constrained wind power forecasting aligned with probability distributions for noise-resilient deep learning
Jiaxin Gao · Yuanqi Cheng · Dongxiao Zhang · Yuntian Chen · Applied Energy · 2025年4月 · Vol.383
摘要 风电作为关键的可再生能源之一，在实现碳中和目标中发挥着重要作用。然而，由于风速预测数据具有高噪声特性，风力发电功率的准确预测面临挑战，这会降低预测的精度与鲁棒性。为解决这一问题，本文提出一种理论引导（即物理约束）的深度学习风力发电预测方法（TgDPF）。TgDPF将表征风电功率概率分布的风电功率曲线领域知识，与长短期记忆网络（LSTM）深度学习模型相结合。该融合机制确保模型输出与风电功率的概率分布保持一致，遵循物理约束条件，从而增强对噪声的抵抗能力。因此，TgDPF是一种典型的物理约束建模...
解读: 该物理约束深度学习风电预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过融合风电功率曲线概率分布与LSTM模型,在高噪声环境下预测精度提升24.7%-73.9%,可显著优化储能系统的充放电策略与能量管理。该方法的抗噪声特性与物理约束思想可迁移至iSolarClo...
考虑可交易绿色证书的光伏发电经济性评估与电网平价分析
Economic assessment and grid parity analysis of photovoltaic power generation considering tradable green certificate
Chizhong Wang · Heng Chen · Zhengwei Wang · Yue Gao 等5人 · Applied Energy · 2025年3月 · Vol.382
可交易绿色证书（TGC）制度为中国推进光伏发电实现电网平价提供了新的机遇。本文建立了一个包含TGC对光伏（PV）项目经济可行性影响的光伏发电平准化度电成本（LCOE）评估模型。该模型针对中国独特的税收制度进行了优化，并应用于分析2022年中国各省份光伏发电的经济表现。随后，通过敏感性分析评估了光伏发电LCOE对不同影响因素的响应程度，识别出影响光伏项目经济效率的关键要素。最后，采用情景分析方法，计算在多种未来情景下各省份LCOE可能的下降路径，探讨在TGC制度框架下的成本降低潜力。研究结果表明，...
解读: 该研究对阳光电源光伏逆变器产品线(SG系列)及储能系统(ST系列PCS)具有重要战略意义。绿证机制下LCOE降低5.19%,验证了系统经济性优化方向。初始投资成本是主导因素,印证了我司1500V高压系统、SiC功率器件应用及MPPT优化技术的降本价值。建议结合iSolarCloud平台数据,针对各省...
建筑一体化光伏系统自主设计框架
Autonomous design framework for deploying building integrated photovoltaics
Qingxiang Li · Guidong Yang · Chenhang Bian · Lingege Long 等11人 · Applied Energy · 2025年1月 · Vol.377
摘要 钙钛矿太阳能电池技术的进步为建筑一体化光伏系统（BIPV）的广泛应用提供了广阔的前景。寻找一种高效且准确的方法对于提供部署策略以支持决策至关重要。本研究开发了一种用于BIPV的自主决策设计框架，涵盖数据采集、三维建模和部署策略制定。在数据采集方面，构建了一个开源的无人机平台，用于执行一种创新的“先探索后利用”算法，以生成观测视角并进行路径规划。随后，采用一种独特的基于深度学习的多视角立体视觉网络生成建筑物的点云模型，并将其转换为多边形表面模型。此外，开发了一种新型Grasshopper插件...
解读: 该BIPV自主设计框架对阳光电源SG系列光伏逆变器及智能运维平台具有重要应用价值。研究提出的建筑光伏部署优化方法可与我司iSolarCloud平台深度融合,通过3D建模和全生命周期成本分析,为城市建筑光伏系统提供精准的容量配置和MPPT优化策略。该框架可延伸至光储充一体化场景,结合ST系列储能变流器...