找到 2 条结果 · Applied Energy
一种基于稳定性约束分区策略的风电接入电力系统两阶段分段经济调度模型
A novel two-phase piecewise economic dispatch model for wind-penetrated power systems using stability-constrained partition strategy
Jianqiang Luo · Zhenglin Tan · Ziqian Huang · Pengli Zou 等9人 · Applied Energy · 2025年1月 · Vol.401
随着风力发电并网比例的持续增加，现代电力系统的稳定性面临严峻挑战，尤其是在经济调度方面。现有大多数研究主要关注传统发电机组的约束条件，而忽略了风力发电带来的动态影响。然而，随着风电占比不断提高，将风力发电对系统稳定性的影响纳入调度过程变得至关重要。为此，本文提出了一种新型的两阶段分段经济调度（TPED）模型，以应对风力发电与电网之间的动态交互问题。TPED模型的目标是在整个调度周期内最小化发电成本的同时，维持足够的稳定性裕度。本文提出了稳定性约束分区策略，该策略充分利用阻尼比函数的特性，并确保在...
解读: 该双阶段分段经济调度模型对阳光电源风电变流器及储能系统具有重要价值。文中提出的稳定性约束分区策略可应用于ST系列储能变流器的多目标优化控制,通过阻尼比函数特性实现经济性与稳定性平衡。所提GCSO算法可融入iSolarCloud平台的智能调度模块,优化风光储混合系统的实时经济调度。特别是针对高比例风电...
通过神经网络方法加速钙钛矿太阳能电池的器件表征
Accelerating device characterization in perovskite solar cells via neural network approach
Xinhai Zhaoab1 · Chaopeng Huangae1 · Erik Birgersson · Nikita Suprun 等11人 · Applied Energy · 2025年1月 · Vol.392
摘要 钙钛矿太阳能电池是下一代高效光伏器件的有力候选者，尤其适合作为叠层结构中的顶部电池。基于物理机制的光电模型，我们采集了十万量级的大数据样本，用于训练神经网络模型，以高效预测器件性能和复合损耗。在数据准备、模型训练和神经网络优化过程中，分别采用了拉丁超立方采样、贝叶斯正则化和贝叶斯优化方法。最优的神经网络模型在预留的测试数据集上实现的均方误差低于4 × 10⁻⁴。神经网络的计算速度比传统光电模型快一千倍以上。因此，器件快速校准可在24秒内完成。显著降低的计算成本使得高效的器件表征、参数研究、...
解读: 该神经网络加速钙钛矿电池表征技术对阳光电源光伏逆变器产品线具有重要借鉴价值。研究采用的深度学习方法将器件仿真速度提升千倍以上,可应用于SG系列逆变器的MPPT算法优化和iSolarCloud平台的预测性维护功能。通过贝叶斯优化和敏感性分析快速标定器件参数的思路,可迁移至SiC/GaN功率器件的损耗分...