找到 3 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1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。...
考虑地形坡度和风机位置影响的二维山丘上风力机尾流特性的风洞研究
Wind tunnel study of wind turbine wake characteristics over two-dimensional hill considering the effects of terrain slope and turbine position
Yao Chen · Bowen Yan · Meng Yu · Guoqing Huang 等8人 · Applied Energy · 2025年1月 · Vol.380
摘要 风电场中风机之间的尾流干扰会导致风电场整体发电功率显著下降。本研究通过系统的风洞试验，对在不同坡度的二维山丘上处于不同位置的风力机尾流特性进行了研究，其中风力机轮毂高度与山丘高度相同，均为250 mm，转子直径为400 mm。首先，提出了一种新的归一化方法，用于公平评估风力机在山丘不同位置处的尾流速度亏损。研究发现，位于山顶的风力机尾流受地形影响显著大于位于山前或山后的风力机。随后，系统分析了地形对风力机尾流的影响，包括速度亏损和附加湍流强度。山丘坡度主要影响风力机背风侧的尾流特性：当风力...
解读: 该风电尾流研究对阳光电源复杂地形风电场储能系统配置具有重要参考价值。研究揭示的山地地形对尾流特性的影响规律,可指导ST系列储能变流器在山地风电场的微观选址与容量优化配置。针对陡坡山顶尾流恢复快、缓坡尾流扩散宽的特性,可优化PowerTitan储能系统的功率平抑策略,通过iSolarCloud平台实时...
DEST-GNN：一种用于多站点小时内光伏功率预测的双探索时空图神经网络
DEST-GNN: A double-explored spatio-temporal graph neural network for multi-site intra-hour PV power forecasting
Yanru Yang · Yu Liu · Yihang Zhang · Shaolong Shu 等5人 · Applied Energy · 2025年1月 · Vol.378
准确的光伏发电（PV）功率预测对于电网实时平衡和储能系统优化至关重要。然而，由于光伏发电具有间歇性和波动性，实现高精度的光伏功率预测仍然是一项挑战。本文提出了一种用于多站点小时内光伏功率预测的新方法。与当前独立预测每个光伏电站功率的方法不同，我们通过考虑各光伏电站之间固有的时空相关性，同时预测所有站点的发电功率，并设计了一种新型图神经网络模型——DEST-GNN。在DEST-GNN中，采用无向图来表示这些光伏电站之间的依赖关系：每个光伏电站由一个节点表示，任意两个电站之间的时空相关性则由它们之间...
解读: 该多站点小时内光伏功率预测技术对阳光电源SG系列逆变器和ST储能系统具有重要应用价值。DEST-GNN通过时空图神经网络捕捉多电站关联性,可集成至iSolarCloud平台实现区域级功率预测,优化储能系统PowerTitan的充放电策略。其稀疏注意力机制可提升GFM/GFL控制算法的前瞻性调度能力,...