找到 3 条结果 · Applied Energy
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...
风电场在中长期滚动交易中的策略性投标：一种双层多智能体深度强化学习方法
Strategic bidding of wind farms in medium-to-long-term rolling transactions: A bi-level multi-agent deep reinforcement learning approach
Yi Zheng · Jian Wang · Chengmin Wang · Chunyi Huang 等6人 · Applied Energy · 2025年1月 · Vol.383
摘要 随着可再生能源在电力市场中渗透率的不断提高，边际电价受到抑制，给风电生产商的盈利能力带来了挑战。为此，有效的中长期（MLT）滚动交易能够对冲现货市场价格风险，提升盈利水平。然而，传统的投标方法往往难以捕捉风电出力及交易动态在较长时间跨度内的复杂不确定性。本文提出了一种专为优化风电中长期滚动交易而设计的双层多智能体深度强化学习（DRL）方法。该方法创新性地将Black–Scholes模型与Hamiltonian函数相结合，构建了一个最优决策框架，能够在短期投标效率与长期战略定位之间实现平衡。...
解读: 该深度强化学习竞价策略对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过双层多智能体优化框架,可提升风储联合系统在中长期电力市场的收益能力,有效对冲现货价格风险。其时空建模技术可集成至iSolarCloud平台,实现储能参与市场交易的智能决策,优化充放电策略。结合阳光电...
钙钛矿材料与太阳能电池的数字化制造
Digital manufacturing of perovskite materials and solar cells
Zixuan Wangabc1 · Zijian Chenbcd1 · Boyuan Wangbc1 · Chuang Wu 等12人 · Applied Energy · 2025年1月 · Vol.377
摘要 与已发展了半个世纪的晶硅电池相比，钙钛矿太阳能电池（PSCs）的光伏转换效率在短短15年内已超过26%，成为当前备受关注的研究热点。然而，传统研究方法在应对钙钛矿材料（PVKs）成分多样、合成复杂以及需精确调控性能等方面面临诸多挑战。本综述系统阐述了钙钛矿材料在数字化制造方面的最新研究进展，重点涵盖实验室自动化、数据驱动的理性设计、高通量实验以及机器学习（ML）算法等方向。首先，论述了实验室自动化在显著提升实验效率与可重复性方面的重要作用；其次，强调了数据驱动方法在指导钙钛矿材料及器件理性...
解读: 钙钛矿电池数字化制造技术对阳光电源光伏逆变器产品线具有前瞻价值。该技术通过机器学习和高通量实验加速新型光伏材料开发,其26%转换效率已接近晶硅电池。阳光电源SG系列逆变器可提前布局钙钛矿电池适配性研究,针对其独特的IV特性优化MPPT算法;iSolarCloud平台可集成数据驱动方法,实现钙钛矿组件...