找到 2 条结果 · Applied Energy
一种用于风力涡轮机应用中精确预测三维时空风场的新型频域物理信息神经网络
A novel frequency-domain physics-informed neural network for accurate prediction of 3D spatio-temporal wind fields in wind turbine applications
Shaopeng Li · Xin Li · Yan Jiang · Qingshan Yang 等7人 · Applied Energy · 2025年5月 · Vol.386
摘要 风能是全球关键的清洁能源之一。风力涡轮机的结构安全性和动力响应分析在很大程度上受到其所在位置风速数据可获得性与精度的影响。然而，气象观测站分布稀疏，通常难以获取高分辨率的空间风速数据，因此需要采用条件模拟方法来补充低分辨率的观测数据。本研究针对这一挑战，提出了一种频域物理信息神经网络（FD-PINN），该方法利用频域信息，旨在实现对风力涡轮机三维（3D）时空风场的精准预测。该方法构建了一个深度神经网络，并将其与关键物理模型相结合，包括风谱、风场相干函数以及风速廓线。通过融合这些物理先验知识...
解读: 该频域物理信息神经网络技术对阳光电源风电变流器及新能源场站具有重要价值。通过高精度3D时空风场预测,可优化SG系列风电变流器的功率预测算法和主动抗扰控制策略,提升MPPT效率。结合iSolarCloud平台,该深度学习方法可增强风光储混合电站的预测性维护能力,优化储能系统ST系列PCS的充放电策略。...
基于自适应再分配的准时V2G调度圈：评估与增强转移V2G能力
Punctual V2G scheduling circle: Evaluate and enhance transfer V2G capability through adaptive redistribution
Ke Liu · Yanli Liu · Gang Si · Xin Lu 等5人 · Applied Energy · 2025年4月 · Vol.383
摘要 随着电动汽车（EV）数量的不断增长，车辆到电网（V2G）技术展现出巨大的潜力。然而，V2G站点及其连接的电网节点位置固定，而电动汽车的空间分布具有随机性。因此，在电网V2G调度过程中，除了关注V2G站点本地的V2G能力外，还需考虑在有限转移时间内的准时转移V2G能力。为此，本文提出一种基于自适应再分配（AV2GR）的方法，用于评估并增强目标站点的准时转移V2G能力，从而构建相应的准时V2G调度圈及增强型调度圈。首先，建立了一种转移V2G再分配（TV2GR）模型，用以评估在常规车辆和转移EV...
解读: 该V2G准时调度技术对阳光电源充电桩及储能业务具有重要价值。论文提出的自适应再分配算法可与我司充电站网络深度融合:1)结合iSolarCloud平台实时交通数据,优化多站点协同调度策略;2)ST系列PCS可配合转移V2G能力评估,提升电网侧削峰填谷效率;3)拥堵指数模型可嵌入充电站智能管理系统,动态...