找到 4 条结果 · Applied Energy
基于不平衡配电节点边际电价驱动的配电网与智能充电枢纽分布式协同调度
Distributed cooperative scheduling for distribution network and smart charging hubs driven by unbalanced distribution locational marginal price
Tiange Lia · Menglin Zhang · Zhijian Hua · Xiaofei Wangc 等6人 · Applied Energy · 2025年1月 · Vol.401
摘要 低碳能源转型为配电网(PDN)的运行带来了新的挑战。特别是单相负荷和分布式可再生能源的不断增长,加剧了配电网内的三相不平衡问题。智能充电枢纽作为交通电气化的低碳单元,集成了光伏发电(PV)、储能(ES)和电动汽车(EV)充电设施,能够通过调节三相功率实现相间平衡能力。然而,现有的配电市场缺乏有效机制来激励光伏-储能-电动汽车一体化智能充电枢纽(PEV-Hubs)参与缓解三相不平衡。本文提出了一种由三相配电节点边际电价(DLMP)驱动的分布式优化框架,用于协调配电网与PEV-Hubs主动抑制...
解读: 该三相不平衡DLMP调度技术对阳光电源光储充一体化解决方案具有重要价值。可应用于ST系列PCS的三相功率动态分配优化,结合充电桩产品实现相间负荷主动平衡控制。论文提出的分布式优化框架可融入iSolarCloud平台,通过实时电价信号驱动储能系统和充电站协同调度,在降低配网电压不平衡度的同时提升系统经...
压缩空气储能系统衬砌岩洞的荷载分担特性:理论分析
Load-sharing characteristics of lined rock caverns of compressed air energy storage system: A theoretical analysis
Yue Xiang · Guohua Zhang · Xinjin Wang · Guoyin Zhang 等7人 · Applied Energy · 2025年1月 · Vol.388
摘要 压缩空气储能(CAES)被认为是一种为电力系统提供辅助服务的可行方案,其中地下衬砌岩洞(LRC)是储存压缩空气的良好选择。在过去几十年中,基于现场试验和数值模拟,已提出了一些关于LRC的旧有设计理念,例如由围岩承担大部分内压而钢衬承担较少荷载等。然而,这些理念尚未得到理论上的验证。为克服这一局限性,本文在若干合理假设的基础上,建立了一个严谨的解析模型,用以证明LRC的荷载分担特性。尽管仅涉及简单的弹性理论,该解析模型仍能可靠地预测LRC的力学行为,并通过与数值模拟以及实验室/现场试验结果的...
解读: 该压缩空气储能地下洞穴承载特性研究为阳光电源大规模储能系统提供重要参考。研究揭示围岩承担80%内压、混凝土衬砌17%、钢衬仅3%的荷载分配规律,对PowerTitan等大型储能系统的选址具有指导意义。CAES作为电网辅助服务的可行方案,可与阳光电源ST系列PCS协同构建GW级储能电站。研究提出的高地...
考虑可交易绿色证书的光伏发电经济性评估与电网平价分析
Economic assessment and grid parity analysis of photovoltaic power generation considering tradable green certificate
Chizhong Wang · Heng Chen · Zhengwei Wang · Yue Gao 等5人 · Applied Energy · 2025年1月 · Vol.382
可交易绿色证书(TGC)制度为中国推进光伏发电实现电网平价提供了新的机遇。本文建立了一个包含TGC对光伏(PV)项目经济可行性影响的光伏发电平准化度电成本(LCOE)评估模型。该模型针对中国独特的税收制度进行了优化,并应用于分析2022年中国各省份光伏发电的经济表现。随后,通过敏感性分析评估了光伏发电LCOE对不同影响因素的响应程度,识别出影响光伏项目经济效率的关键要素。最后,采用情景分析方法,计算在多种未来情景下各省份LCOE可能的下降路径,探讨在TGC制度框架下的成本降低潜力。研究结果表明,...
解读: 该研究对阳光电源光伏逆变器产品线(SG系列)及储能系统(ST系列PCS)具有重要战略意义。绿证机制下LCOE降低5.19%,验证了系统经济性优化方向。初始投资成本是主导因素,印证了我司1500V高压系统、SiC功率器件应用及MPPT优化技术的降本价值。建议结合iSolarCloud平台数据,针对各省...
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1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/...