找到 4 条结果 · Applied Energy
面向低温环境的双电池便携式储能系统实用建模与运行优化
Practical modeling and operation optimization of dual-battery portable energy storage systems for low temperatures
Haohui Ding · Xi Lu · Qinran Hu · Zaijun Wu 等5人 · Applied Energy · 2025年7月 · Vol.390
摘要 在寒冷地区，低温和强降雪常常导致停电。这些地区对便携式储能系统（PESS）有很高的需求，以缓解断电带来的不利影响。然而，电池在低温下的效率会下降，且其容量会显著衰减。现有的离网电池热管理方法通常基于单一类型电池的使用，在极低温度（–30 ∘C）下可能因电池本身的局限性而失效。因此，本研究设计了一种适用于低温环境的双电池PESS（PESSLT），并制造了原型样机。所提出的PESSLT结合了电池热管理方法与混合储能方法，以在极低温条件下实现高充放电效率和低容量衰减。为实现对PESSLT的精确能...
解读: 该双电池低温储能技术对阳光电源PowerTitan及ST系列储能系统在高寒地区应用具有重要参考价值。研究提出的温度-功率耦合电池模型可优化我司PCS的BMS协同控制策略,提升-30°C极端工况下充放电效率从39%至67%。双电池混合配置思路可应用于户外储能柜及移动储能产品,结合iSolarCloud...
基于跨域自适应生成对抗网络的多退化水平光伏阵列故障诊断
Fault diagnosis of photovoltaic arrays with different degradation levels based on cross-domain adaptive generative adversarial network
Peijie Lin · Feng Guo · Yaohai Lin · Shuying Cheng 等7人 · Applied Energy · 2025年5月 · Vol.386
摘要 近年来，由于光伏电站运行与维护的重要性，光伏（PV）阵列故障诊断（FD）取得了令人瞩目的进展。然而，由于运行工况复杂，光伏阵列不可避免地会发生渐进式退化，导致输出数据出现域偏移，这对故障诊断性能产生显著的负面影响。为解决上述问题，本研究提出了一种两阶段跨域自适应生成对抗网络深度学习方法，用于不同退化水平下的光伏阵列故障诊断。在第一阶段，利用源域（即无性能退化的光伏阵列）中的正常数据进行训练；随后，在对抗训练过程中将最大均值差异（MMD）损失引入故障生成器，以生成源域故障数据的高层特征表示。...
解读: 该跨域自适应GAN故障诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud智慧运维平台具有重要应用价值。针对光伏阵列性能衰减导致的数据域偏移问题,该方法通过MMD损失函数实现跨域特征对齐,仅需健康状态数据即可生成故障样本进行诊断,准确率达98.34%。可集成至iSolarCloud平台的预测...
圆柱形锂离子电池串联电弧的演化规律及诱发失效研究
Study on the evolution laws and induced failure of series arcs in cylindrical lithium-ion batteries
Wenqiang Xu · Kai Zhou · Yalun Li · Bin Gao 等10人 · Applied Energy · 2025年3月 · Vol.377
摘要 随着储能与动力电池系统电压等级的提升，电池系统的电气安全问题受到广泛关注。电池系统中因连接松动等电气故障引发的串联电弧问题日益严重。然而，目前针对电池系统中串联电弧的研究仍处于初级阶段。因此，为探究电池相关的电弧灾害问题，本研究搭建了模拟串联电弧故障的实验平台。以正极接线端电弧为重点研究对象，探讨了不同条件下电池相关电弧的演化规律，并分析了其对电池造成的危害效应。结果表明，当系统电压为200 V、电路电流为2C时，不同荷电状态（SOC）的电池均可产生稳定的电弧。同时，电弧可熔穿电池外壳形成...
解读: 该研究揭示的200V系统串联电弧演化规律对阳光电源储能系统安全设计具有重要参考价值。针对ST系列PCS及PowerTitan储能系统,建议在电池簇连接处集成电弧检测算法,通过监测电流波动特征实现早期预警。研究中电弧导致的电池壳体熔穿、电解液泄漏等失效模式,可指导iSolarCloud平台开发基于温升...
用于交流最优潮流的高效计算数据合成：融合物理信息神经网络求解器与主动学习
Computationally efficient data synthesis for AC-OPF: Integrating Physics-Informed Neural Network solvers and active learning
Jiahao Zhang · Ruo Peng · Chenbei Lu · Chenye Wu · Applied Energy · 2025年1月 · Vol.378
摘要 本研究针对在发布保护隐私的交流最优潮流（AC Optimal Power Flow, AC-OPF）运行数据时面临的隐私性、实用性与效率性挑战展开研究。传统方法在差分隐私（Differential Privacy, DP）框架下向运行数据（即负荷需求数据和调度配置文件）中注入噪声，但此类操作常导致数据违反物理约束，产生不现实且不可行的结果，从而降低数据的实用性。尽管基于AC-OPF求解器的双层后处理优化能够强制实现物理可行性，但由于后处理目标与AC-OPF本身目标之间存在偏差，仍会导致结果...
解读: 该研究提出的物理信息神经网络(PINN)求解AC-OPF方法,对阳光电源储能系统(ST系列PCS、PowerTitan)和光伏逆变器(SG系列)的智能调度具有重要价值。通过主动学习加速优化计算,可应用于iSolarCloud平台的实时能量管理系统,在保护用户隐私前提下实现多站点协同优化。该技术能显著...