找到 6 条结果 · Applied Energy
DFDR-NLNet：一种用于光伏面板分割的双频率差异化表示非局部网络
DFDR-NLNet: A dual-frequency differentiated representation non-local network for photovoltaic panel segmentation
Yitong Fua · Haiyan Lia · Pengfei Yua · Yaqun Huang 等5人 · Applied Energy · 2025年1月 · Vol.401
摘要 光伏（PV）技术在全球扩展可再生能源方面发挥着关键作用，然而在城市、农村和工业环境中，实现精确的光伏面板分割以优化资源配置并指导安装政策仍是一项挑战。为应对数据多样性的限制，本文提出一种基于去噪扩散概率模型（DDPM）的数据增强方法，用于生成联合数据分布，从而提升模型的鲁棒性。在此基础上，我们提出了一种双频率差异化表示非局部网络（DFDR-NLNet），用于实现更真实的光伏面板分割。为了提高Transformer分支中全局上下文特征提取的效率，我们提出了一种低频表示Transformer，...
解读: 该光伏板精准分割技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。DFDR-NLNet的高精度边缘识别(mIoU达91.48%)可增强SG系列逆变器阵列的智能巡检能力,通过频域特征提取优化MPPT算法的组件级监控。其电站容量评估功能可为工商业光伏项目提供精准选址与ST储能系统配置依据...
一种物理增强型动态耦合混合Kolmogorov–Arnold网络用于可解释的电池荷电状态估计
A physics-enhanced hybrid Kolmogorov–Arnold network with dynamic coupling for interpretable battery state-of-charge estimation
Yuqian Fan · Yi Lia · Chong Yana · Yaqi Liang 等12人 · Applied Energy · 2025年1月 · Vol.400
准确估计锂离子电池的荷电状态（SOC）是电池管理系统中的核心任务。然而，SOC估计在复杂工况下面临着精度不足、鲁棒性差以及可解释性弱等挑战。本文提出了一种物理增强型混合Kolmogorov–Arnold网络（PEHKAN）方法，这是首个将机械应力特性与电化学–热力学多物理场建模相结合的方法。构建了改进的Butler–Volmer方程电化学势能模块，以及具有协同控制的温度–压力耦合扩散动力学模块；这些模块显式地刻画了电化学、热力学与机械应力之间的协同作用。此外，设计了一种动态门控融合机制，以实现物...
解读: 该物理增强混合神经网络SOC估算技术对阳光电源ST系列储能变流器及PowerTitan系统的电池管理具有重要价值。其电化学-热力学-机械应力多物理场耦合建模可直接应用于BMS优化,在复杂工况下MAE低至0.00312,显著提升储能系统全生命周期安全性与经济性。动态门控融合机制可增强iSolarClo...
面向提升能效与电池寿命的网联自动驾驶电动汽车综合功率与热管理
Integrated power and thermal management for enhancing energy efficiency and battery life in connected and automated electric vehicles
Dongjun Lia · Qiuhao Hub · Weiran Jiang · Haoxuan Donga 等5人 · Applied Energy · 2025年1月 · Vol.396
摘要 在网联自动驾驶电动汽车中，有效的功率与热管理因车辆纵向运动与电池热系统之间多时间尺度动态特性，以及能效、电池老化和驾驶安全之间的复杂权衡而面临重大挑战。本文提出了一种基于多时域模型预测控制框架的综合功率与热管理（IPTM）策略，专门设计用于克服上述挑战并实现在线实时应用。所提出的IPTM策略能够利用环境温度、道路坡度和前车速度等实时信息，主动优化电池温度和车辆速度，确保在不同驾驶工况下的高效运行。结果表明，与基准方案相比，该策略显著提升了性能，冷却能耗降低了14.22%，牵引能耗降低了8....
解读: 该多时间尺度功率-热管理技术对阳光电源EV充电桩及储能系统具有重要价值。其多层预测控制框架可应用于ST系列PCS的电池热管理,通过实时环境温度和负载预测优化冷却策略,降低14.22%冷却能耗。该策略在电池退化管理方面减少22%衰减,可增强PowerTitan储能系统全生命周期经济性。多时域协同优化思...
提高能源市场中跨时间预测协调的准确性和实用性
Improving cross-temporal forecasts reconciliation accuracy and utility in energy market
Mahdi Abolghasemi · Daniele Girolimetto · Tommaso Di Fonzo · Applied Energy · 2025年1月 · Vol.394
摘要 风能发电预测对于风电场日常运行管理以及使市场运营商能够在需求规划中有效应对电力不确定性至关重要。传统的预测协调方法依赖于样本内误差进行预测协调，但这些方法在未来性能上的泛化能力可能不足。此外，传统的聚合结构并不总是与实际决策需求相一致，而评估指标也常常忽视预测误差带来的经济影响。为应对这些挑战，本文探讨了先进的跨时间预测模型及其在提升预测准确性与决策质量方面的潜力。首先，我们提出一种新方法，在协方差矩阵估计和预测协调过程中利用验证误差而非传统的样本内误差。其次，我们引入基于决策的聚合层级用...
解读: 该跨时序预测协调技术对阳光电源储能系统(ST系列PCS、PowerTitan)及新能源场站具有重要应用价值。论文提出的基于验证误差的协调方法可提升预测精度7%以上,能优化储能系统充放电策略,降低辅助服务罚金成本。决策导向的聚合层级设计与阳光电源iSolarCloud平台的智能运维需求高度契合,可将计...
符合概率分布的物理约束风力发电预测方法：面向抗噪深度学习
Physics-constrained wind power forecasting aligned with probability distributions for noise-resilient deep learning
Jiaxin Gao · Yuanqi Cheng · Dongxiao Zhang · Yuntian Chen · Applied Energy · 2025年1月 · Vol.383
摘要 风电作为关键的可再生能源之一，在实现碳中和目标中发挥着重要作用。然而，由于风速预测数据具有高噪声特性，风力发电功率的准确预测面临挑战，这会降低预测的精度与鲁棒性。为解决这一问题，本文提出一种理论引导（即物理约束）的深度学习风力发电预测方法（TgDPF）。TgDPF将表征风电功率概率分布的风电功率曲线领域知识，与长短期记忆网络（LSTM）深度学习模型相结合。该融合机制确保模型输出与风电功率的概率分布保持一致，遵循物理约束条件，从而增强对噪声的抵抗能力。因此，TgDPF是一种典型的物理约束建模...
解读: 该物理约束深度学习风电预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过融合风电功率曲线概率分布与LSTM模型,在高噪声环境下预测精度提升24.7%-73.9%,可显著优化储能系统的充放电策略与能量管理。该方法的抗噪声特性与物理约束思想可迁移至iSolarClo...
液冷式质子交换膜燃料电池热管理策略综述：温度调节与冷启动
A review on thermal management strategy for liquid-cooling proton exchange membrane fuel cells: Temperature regulation and cold start
Hongye Sua · Haisong Xua · Lei Wanga · Zhiyang Liu 等5人 · Applied Energy · 2025年1月 · Vol.393
有效的热管理策略对于优化质子交换膜燃料电池（PEMFC）的性能和耐久性至关重要。本文对液冷式PEMFC的热管理策略进行了系统性综述，重点聚焦于温度调节与冷启动运行两个方面。首先，介绍了PEMFC在高于和低于冰点温度下的基本热特性，随后概述了热系统模型的离线与在线辨识方法。接着，针对PEMFC热系统固有的非线性和耦合特性，以及内部和外部多种干扰的存在，从四个角度对各类温度控制策略进行了回顾与分类：（1）探究最佳运行温度与PEMFC整体性能之间的关系；（2）管理多输入多输出冷却系统中的耦合效应；（3...
解读: 该燃料电池热管理技术对阳光电源氢能储能系统及电动汽车充电解决方案具有重要借鉴价值。文中温度调控策略(模型驱动、数据驱动、自适应控制)可应用于ST系列储能PCS的热管理优化,降低冷却系统寄生功耗,提升系统效率。多输入多输出耦合控制方法与阳光VSG虚拟同步机技术理念契合,可增强系统鲁棒性。冷启动快速预热...