找到 4 条结果 · Applied Energy
基于混合储能系统与工况识别的电动拖拉机多目标能效管理优化
Multi-objective optimization for energy-efficient management of electric Tractors via hybrid energy storage systems and scenario recognition
Qiang Yu · Xionglin He · Yongji Chen · Zihong Jiang 等8人 · Applied Energy · 2025年8月 · Vol.391
摘要 电动拖拉机的推广应用面临诸多挑战，包括动力系统对多样化作业工况的适应性，以及能量效率与电池寿命的优化问题。本文提出一种用于电动拖拉机的混合储能系统（HESS）架构，并设计了一种基于犁地作业场景识别的多目标能效管理策略（EMS）。该策略首先利用实际犁地作业数据构建电动拖拉机模型及犁地工况循环（POC）。采用K均值聚类与主成分分析（PCA）进行离线工况分类，同时引入多层感知器神经网络（MLPNN）实现在线实时场景识别。此外，开发了一种多策略改进型黑翅鸢算法（MSIBKA），以高效求解自适应功率...
解读: 该混合储能系统(HESS)技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要参考价值。论文提出的多目标能量管理策略,通过超级电容承担65%峰值功率、降低电池C-rate超10%,与阳光电源储能PCS的功率分配优化理念高度契合。场景识别与自适应功率分配算法可应用于充电桩产品,提升电池寿...
基于增强特征提取与新型损失函数的TimesNet光伏功率多步短期预测方法
Multi-step short-term forecasting of photovoltaic power utilizing TimesNet with enhanced feature extraction and a novel loss function
Sheng Yu · Bin He · Lei Fang · Applied Energy · 2025年6月 · Vol.388
摘要 天气条件的不稳定性常导致光伏发电呈现出随机性和波动性，使得准确可靠的光伏发电功率预测对于综合能源系统的稳定调度至关重要。由于难以捕捉相邻离散时间点之间的时序依赖关系，多步预测仍面临挑战，这主要归因于一维建模方法在时间序列特征表达能力上的局限性。为此，本文提出一种专门针对光伏发电功率多步短期预测的方法论框架。该框架基于TimesNet架构，通过将气象特征在二维空间建模以增强特征表达能力。此外，引入了一种新的特征提取模块，用于替代原始TimesNet中的Inception模块，缓解了标准卷积中...
解读: 该多步光伏功率预测技术对阳光电源iSolarCloud智慧运维平台及储能系统调度具有重要价值。TimesNet二维时序建模可增强SG系列逆变器功率预测精度,改进的损失函数能提升异常工况识别能力。12小时预测RMSE降低3.21%可优化ST系列PCS的充放电策略制定,减少PowerTitan储能系统的...
替代燃料分布式发电系统的可行性、环境与经济性分析
Feasibility, environmental, and economic analysis of alternative fuel distributed power systems for reliable off-grid energy supply
Zaixing Wang · Yi Lin · Yu Guo · Fengli Liang 等9人 · Applied Energy · 2025年4月 · Vol.384
可靠的离网能源供应在偏远地区和应急场景中仍然面临挑战，特别是对于通信基站而言，传统的单燃料系统常常面临燃料依赖性和供应中断的问题。在我们前期验证了现场制氢用多燃料重整技术的基础上，本研究开发了一种集成燃料重整与燃料电池技术的替代燃料灵活发电系统。首先通过实验验证该系统的可行性，随后通过仿真模拟评估多种系统结构。实验验证结果表明，甲烷、甲醇、乙醇、煤油和柴油五种燃料均能实现稳定的氢气生成和持续的电力输出。各燃料系统均可稳定输出接近500 W的功率，燃料转化率均超过95%，氢气含量高于70%，产氢速...
解读: 该多燃料制氢-燃料电池系统为阳光电源离网储能方案提供重要补充思路。针对通信基站等场景,可与ST系列PCS协同构建混合供电系统:燃料电池提供长时基载,储能系统负责功率调节与波动平抑。系统53.1%的能效及多燃料适应性,启发iSolarCloud平台开发燃料-储能协同优化算法。GFM控制技术可实现燃料电...
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...