找到 11 条结果 · Applied Energy
基于动态参数的物理信息神经网络用于短期光伏功率预测：融合物理信息与数据驱动
Dynamic-parameter physics-informed neural networks for short-term photovoltaic power prediction: Integrating physics-informed and data driven
Weiru Wanga · Hanyang Guoa · Shaofeng Liub · Yechun Xina 等6人 · Applied Energy · 2025年12月 · Vol.401
为了克服传统混合预测模型中物理约束刚性以及样本不平衡的局限性，本文提出了一种基于动态参数物理信息神经网络（DP-PINN）的新型短期光伏（PV）功率预测框架。基于牛顿-拉夫森优化的K-means++（NBRO-Kmeans++）算法将天气划分为四种类型，与标准K-means++相比，轮廓系数提升了6.6%至45.8%。采用合成少数类过采样技术（SMOTE）对少数类样本进行动态平衡，在该情况下使均方根误差（RMSE）降低了50.5%。物理方程根据天气类型进行动态调整，三重约束损失函数融合了数据拟合...
解读: 该DP-PINN动态物理信息神经网络技术对阳光电源iSolarCloud智慧运维平台及SG系列光伏逆变器具有重要应用价值。通过天气分类与SMOTE样本平衡,极端天气下RMSE降低50.8%,可显著提升光伏电站功率预测精度。其动态参数优化机制(光电转化效率η、温度系数α可学习)与阳光电源MPPT优化技...
可再生能源驱动的膜技术：集成太阳辐照度预测用于光伏驱动苦咸水淡化系统的预测控制
Renewable energy powered membrane technology: Integration of solar irradiance forecasting for predictive control of photovoltaic-powered brackish water desalination system
Martin Ansong · Emmanuel O.Ogunniyi · Blanca Pérez Jiméneza1 · Bryce S.Richards · Applied Energy · 2025年12月 · Vol.401
摘要 太阳辐照度（SI）的波动会扰乱光伏（PV）发电系统的输出功率，导致直接耦合的光伏驱动膜法脱盐系统出现运行不稳定和非预期停机，从而降低产水率、水质和能源效率。传统的基于储能的缓解策略会增加系统成本和复杂性。基于天空成像的SI预测技术能够分析天空状况，并提供长达15分钟的SI预测，为减少功率波动影响提供了替代方案，且无需过度依赖储能系统。本研究将一种基于图像的太阳辐照度预测系统（SIFS）集成至一套光伏驱动的苦咸水脱盐系统中。该SIFS采用卷积神经网络-长短期记忆（CNN-LSTM）模型，利用...
解读: 该光伏预测控制技术对阳光电源SG系列逆变器与ST储能系统集成具有重要价值。研究通过CNN-LSTM模型实现15分钟光照预测,可与我司MPPT优化算法协同,提升直驱式光伏系统稳定性。建议将天空成像预测技术集成到iSolarCloud平台,结合VSG虚拟同步发电机控制策略,在减少储能配置的同时优化功率波...
基于物理约束长短时记忆网络的能源转型背景下梯级水电站长期运行管理
Managing long-term operation of cascade hydropower plants under energy transition with physics-constrained long-short term memory networks
Zhipeng Zhao · Zhihao Deng · Xiaoyu Jin · Zebin Ji 等6人 · Applied Energy · 2025年9月 · Vol.393
摘要 在能源转型进程中，风电和太阳能发电的大规模增长将加剧维持电网连续负荷-发电平衡以确保电网稳定性的复杂性。水电可作为整合风能与太阳能的低碳灵活性电源，但季节性径流波动以及多重耦合不确定性将深刻影响传统水电运行方式。本文提出一种新的模拟–优化–学习耦合方法，用以应对不确定性及非线性动态水电运行特性，从而提取能源转型背景下梯级水电站的长期运行规则。该方法包含三个关键步骤：模拟阶段，采用Kirsch–Nowak径流生成模型与ARIMA模型刻画水文与气象不确定性；优化阶段，构建目标驱动的最优模型，考...
解读: 该研究对阳光电源储能系统(ST系列PCS、PowerTitan)与光伏逆变器(SG系列)协同优化具有重要价值。文中提出的物理约束LSTM网络可应用于iSolarCloud平台,实现水-风-光混合系统的智能调度。研究揭示的水电时空调节特性为储能系统功率平滑策略提供借鉴,PCLSTM算法可优化GFM/V...
基于预测的风-光互补电解制氢系统的设计与优化调度
Design and optimal scheduling of a forecasting-based wind-and-photovoltaic complementary electrolytic hydrogen production system
Weichao Dong · Hexu Sun · Zheng Li · Huifang Yang · Applied Energy · 2025年8月 · Vol.392
摘要 氢能可有效缓解能源短缺并减少环境污染。本文首次设计了一个完整的风能与光伏（PV）互补制氢系统，包括高效的发电系统模型、精确的预测模型、优良的优化调度策略以及高效的催化剂。该离网型互补发电系统在直流母线上实现。提出了一种混合预测模型，结合长短期记忆网络（LSTM）、分位数回归（QR）和正则藤copula方法。LSTM与QR相结合可获得边缘概率密度函数（PDF）。利用正则藤copula建立风能与光伏能源之间的相关性，并将边缘PDF与其相关性结构结合，实现对风能和光伏出力的联合预测。提出一种基于...
解读: 该风光制氢系统对阳光电源ST系列储能变流器和SG光伏逆变器具有重要应用价值。文中直流母线离网架构可结合我司1500V系统和三电平拓扑技术,提升功率转换效率。LSTM-DRL多目标优化调度策略可集成至iSolarCloud平台,实现风光出力预测与氢储能协同控制。研究的3.1美元/kg制氢成本为Powe...
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...
一种模块化的多步预测方法用于海上风电场群
A modular multi-step forecasting method for offshore wind power clusters
Lei Fang · Bin He · Sheng Yu · Applied Energy · 2025年2月 · Vol.380
摘要 随着规模经济的推动，海上风电场群正逐渐成为一种普遍趋势。然而，由于风资源的不确定性，海上风电出力具有间歇性和波动性，给预测工作带来了显著挑战。目前针对海上风电场群功率预测的研究仍较为有限。本文针对这一研究空白，提出了一种面向海上风电场群的模块化、解耦式的多步预测方法。该方法采用模块化设计，能够适应多种预测场景，特别是有无数值天气预报（NWP）数据的情况，为未来的研究与应用提供了灵活的框架。该方法首先利用信号处理技术（包括快速傅里叶变换FFT和奇异值分解SVD）对集群内各风电场的历史功率输出...
解读: 该海上风电集群多步预测方法对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过时空特征提取和多模态数据融合,可显著提升风储协同控制精度,优化iSolarCloud平台的预测性维护能力。模块化架构适配有无NWP数据场景,可集成至GFM/GFL控制策略中,提升电网友好型并网性...
基于回声状态网络的实时误差补偿迁移学习以增强风力发电预测
Real-time Error Compensation Transfer Learning with Echo State Networks for Enhanced Wind Power Prediction
Yingqin Zhua · Yue Liub · Nan Wangc · Zhao Zhao Zhang 等5人 · Applied Energy · 2025年2月 · Vol.379
准确的风力发电预测对于高效的能源管理和电网稳定至关重要，能够帮助能源供应商平衡供需、优化可再生能源的集成、降低运行成本并提高电力系统的可靠性。回声状态网络（Echo State Network, ESN）由于其结构简单且训练速度快，被广泛应用于非线性动态系统的建模。然而，在处理高阶非线性复杂性时，ESN容易产生系统误差，导致模型精度下降。为克服这一问题，本文提出了误差补偿迁移学习回声状态网络（Error Compensation Transfer Learning Echo State Netw...
解读: 该ETL-ESN风电预测技术对阳光电源储能系统具有重要应用价值。其2秒快速训练和95%以上精度提升可显著优化ST系列PCS的能量管理策略和PowerTitan储能系统的充放电调度。实时误差补偿机制可增强iSolarCloud平台的预测性维护能力,提升新能源并网稳定性。迁移学习方法为不同机型的GFM/...
一种基于演化多分位数长短期记忆神经网络的超短期光伏功率概率预测混合模型
A novel hybrid model based on evolving multi-quantile long and short-term memory neural network for ultra-short-term probabilistic forecasting of photovoltaic power
Jianhua Zhu · Yaoyao He · Applied Energy · 2025年1月 · Vol.377
摘要 概率预测在消除光伏发电不确定性方面具有极其重要的作用。由于具备强大的泛化能力，分位数回归长短期记忆神经网络（QRLSTM）被广泛认为是光伏发电概率预测中颇具前景的方法。然而，这类模型对每个分位数单独进行训练，忽略了不同分位数之间的相关性与单调性约束，且多次训练导致计算复杂度过高。此外，由分位数回归产生的不可微分的分位损失函数对优化算法提出了较高要求。为解决上述问题，本文提出一种基于演化分布混沌粒子群优化算法（EDCPSO）优化的多分位数LSTM（MQLSTM）模型，以实现高质量的光伏发电概...
解读: 该超短期光伏功率概率预测技术对阳光电源SG系列逆变器及iSolarCloud平台具有重要应用价值。MQLSTM多分位点神经网络可集成至智能运维系统,实现光伏出力的概率区间预测,优化MPPT控制策略。结合ST系列储能变流器,可基于预测置信区间动态调整充放电计划,提升能量管理精度。EDCPSO优化算法的...
基于未来三天逐时辐射预测的PV/T集热器多种运行策略研究
Multiple operational strategies investigations of the PV/T collectors based on 3 days ahead hourly radiation prediction
Shiqian Donga · Yanqiang Dib · Yafeng Gaoa · He Longc 等8人 · Applied Energy · 2025年1月 · Vol.377
摘要 PV/T集热器是一种先进的光伏光热一体化技术，能够实现太阳能全光谱利用。PV/T集热器的能量收益不仅依赖于精密的设备设计，还与运行调控条件密切相关。本文基于未来三天逐时水平面太阳总辐射预测模型，结合鲸鱼优化算法（WOA），对混合运行策略进行了分析。结果表明，为期三天的变倾角运行策略效果不理想。当地面反射率从0.4变化到0.95时，月累计辐射量相对提高了8%；地面反射率每增加5%，平均可带来0.45%的性能提升。反射板长边与宽边的最优比例分别为0.9和0.6，可使热能增益和电能增益分别提高8...
解读: 该PV/T光热光伏一体化运行优化研究对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要参考价值。研究基于3天辐照预测的多混合策略可使热增益和电增益分别提升17.76%和13.61%,这与阳光电源MPPT优化技术和预测性维护理念高度契合。LSTM-Attention预测模型(R²达94%...
基于灰狼优化与LSTM预测结合蒙特卡洛不确定性分析的太阳能-地热能集成多联产系统热力学分析与性能提升：以特内里费岛为例
Thermodynamic analysis and performance enhancement of an integrated solar–geothermal polygeneration system using grey wolf optimization and LSTM-based forecasting with Monte Carlo uncertainty analysis: A case study on Tenerife Island
Ali Shokri Kalan · Mohammadreza Babaei Khuyinrud · Farshad Jahangiri · Ramin Ahmadi 等7人 · Applied Energy · 2025年12月 · Vol.401
全球变暖和化石燃料供应限制凸显了可持续能源选择的必要性。基于可再生能源的系统为实现碳中和提供了途径，但由于间歇性问题而面临可靠性挑战。本研究探讨了特内里费岛整合太阳能与地热能的潜力。提出了一种新型混合系统，该系统结合了聚光太阳能发电、地热能资源以及由以下组件构成的能量利用系统：超临界CO₂循环、溴化锂-水吸收式制冷系统、多效蒸馏脱盐装置、三级有机朗肯循环和质子交换膜电解槽。该系统可同时生产电力、供热、制冷、淡水和氢气，其基准能量效率和㶲效率分别为62%和17%。系统的产出速率分别为：7844 k...
解读: 该多能互补系统研究对阳光电源ST储能系统与SG逆变器协同优化具有重要参考价值。灰狼算法优化使能效提升21%、火用效率提升38%,可应用于iSolarCloud平台的多能源协调控制策略。LSTM预测模型结合蒙特卡洛不确定性分析,可增强储能系统在间歇性可再生能源场景下的调度可靠性。系统集成制氢、制冷、淡...