找到 10 条结果 · Energy Conversion and Management
STE-HOLNet：一种融合时空特征、动态概念漂移检测与自适应校正的风电功率预测新方法
STE-HOLNet: A new method for wind power prediction by integrating spatio-temporal features, dynamic concept drift detection and adaptive correction
Xiongfeng Zhao · Hai Peng Liu · Huaiping Jin · Xueping Shen 等5人 · Energy Conversion and Management · 2025年1月 · Vol.344
摘要 风电具有高度的不确定性和非线性，其时间序列通常表现出多周期性特征和概念漂移现象，这对实现高精度预测构成了重大挑战。本文提出了一种基于时空特征增强并结合动态在线校正机制的混合深度学习预测模型——时空增强型混合在线学习网络（Spatio-temporal Enhanced Hybrid Online Learning Network, STE-HOLNet），该模型通过改进的时间编码机制与深层网络结构紧密集成，实现了实时且高精度的风电功率预测。首先，引入一种改进的Time2Vec模块（E-Ti...
解读: 该风电功率预测技术对阳光电源储能系统具有重要应用价值。STE-HOLNet模型的概念漂移检测与自适应在线学习机制,可直接应用于ST系列PCS的功率预测模块,提升储能系统对风电波动的响应能力。其时空特征增强方法能优化iSolarCloud平台的预测性维护算法,降低RMSE达36.93%的性能可显著改善...
基于模糊神经网络作为数字孪生核心的光伏设施模型设计
Model design for photovoltaic facilities based on fuzzy neural network as core of its digital twin
William D.Chicaiza · Alex O.Top · Adolfo J.Sánchez · Juan M.Escaño 等5人 · Energy Conversion and Management · 2025年1月 · Vol.342
摘要 本研究提出了位于CIESOL-阿尔梅里亚的一个光伏（PV）设施数字孪生核心的构建方法。文中提出了两种建模方法：一种是基于等效电路的物理模型，另一种是基于自适应神经模糊推理系统（ANFIS）的数据驱动型神经模糊模型。该神经模糊模型被设计为灰箱系统，具有高可解释性和强适应性，并因其能够快速与物理实体同步，实现对数字孪生框架至关重要的实时行为建模而尤为突出。基于ANFIS的模型能够准确捕捉光伏系统的动态功率输出，适用于基于预测建模的能量管理策略集成。该模型表现出优异的预测性能，最坏情况下的平均绝...
解读: 该模糊神经网络数字孪生技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。ANFIS灰盒模型实现0.99决定系数和16.37W平均绝对误差,可嵌入逆变器实时MPPT优化算法,提升发电效率。其低计算资源需求适配工业控制器,可增强iSolarCloud预测性运维能力,实现光储电...
基于层次图神经网络与极值理论的短期区域风电功率预测方法
Short-term regional wind power forecast method based on hierarchical graph neural network and extreme value theory
Menglin Liab · Ming Yang · Yixiao Yuab · Energy Conversion and Management · 2025年1月 · Vol.341
摘要 从电力系统运行者的角度来看，管辖区域内风电总出力潜力相比单个风电场更受关注。挖掘目标区域内多个风电场站点之间的时空依赖关系可显著提升预测性能。然而，大量风电场由于不同空间尺度天气系统的连续性所引发的复杂相关性，给建模带来了不可忽视的挑战；此外，基于均方误差的传统损失函数在应对极端事件时表现出固有的局限性。为解决上述问题并进一步提高预测精度，本文构建了一种结合修正模块和基于极值理论改进损失函数的层次化时空图神经网络模型。首先，综合考虑地理距离信息和长期气候特征，采用凝聚式层次聚类方法将区域划...
解读: 该分层图神经网络区域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。精准的区域风电预测可优化储能系统充放电策略,提升风储协同效率。其极值理论改进损失函数可增强极端工况预测能力,为iSolarCloud平台的预测性维护提供算法支撑。时空依赖建模方法可应用于多站点...
基于K-means聚类算法与人工神经网络模型的并网型微电网优化能量管理
Optimized energy management in Grid-Connected microgrids leveraging K-means clustering algorithm and Artificial Neural network models
Peter Anuoluwapo Gbadeg · Yanxia Sun · Olufunke Abolaji Balogu · Energy Conversion and Management · 2025年1月 · Vol.336
摘要 随着可再生能源（RESs）在并网型微电网中的不断集成，亟需先进的能量管理策略以提升系统的效率、可靠性与可持续性。本研究提出了一种基于一对一优化器（One-to-One-Based Optimizer, OOBO）的优化能量管理框架，用于微电网调度，并结合K-means聚类算法与人工神经网络（Artificial Neural Networks, ANNs）实现负荷预测。所提出的方法能够动态调度分布式能源（DERs）、电池储能系统（BESS）以及柴油发电机，在最小化运行成本和碳排放的同时实现...
解读: 该研究的OOBO优化算法与AI负荷预测技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。研究验证储能系统可降低38%碳排放,与我司ESS解决方案的调度优化方向一致。K-means聚类与ANN模型可集成至iSolarCloud平台,提升微电网实时调度能力。OOBO算法30-4...
基于深度学习的光伏组件红外、电致发光和红绿蓝图像自动缺陷检测
Deep learning-based automatic defect detection of photovoltaic modules in infrared, electroluminescence, and red–green–blue images
Yi-Sheng Laia · Chien-Chun Hsieh · Ting-Wei Liaoa · Chao-Yang Huang 等5人 · Energy Conversion and Management · 2025年1月 · Vol.332
摘要 本研究提出了一种结合图像处理技术与深度学习模型的光伏组件自动化缺陷检测系统。该系统利用三种成像方法——红外成像、红绿蓝成像和电致发光成像，识别21种类型的缺陷。红外成像通过安装在无人机上的热成像仪获取，用于检测热点和开路等热异常现象；红绿蓝成像用于识别玻璃破裂、污渍污染和植被遮挡等表面缺陷；电致发光成像则在受控暗室环境中使用电荷耦合器件相机采集，可揭示微裂纹、电池片性能退化和主栅腐蚀等内部缺陷。通过交叉比对红外图像与红绿蓝图像的结果，可有效识别缺陷成因，而电致发光成像进一步确认内部问题，并...
解读: 该深度学习缺陷检测技术对阳光电源智能运维体系具有重要价值。可集成至iSolarCloud平台,通过无人机红外成像实现光伏电站巡检自动化,结合EL成像诊断组件内部微裂纹与电池衰减,为SG系列逆变器的MPPT优化提供精准数据支持。系统99%以上检测精度和0.1秒处理速度,可显著提升PowerTitan储...
用于光伏输出预测的混合机器学习模型：结合随机森林与LSTM-RNN实现鱼菜共生系统的可持续能源管理
Hybrid Machine learning models for PV output prediction: Harnessing Random Forest and LSTM-RNN for sustainable energy management in aquaponic system
Tresna Dewi · Elsa Nurul Mardiyat · Pola Risma · Yurni Oktarin · Energy Conversion and Management · 2025年1月 · Vol.330
准确预测光伏发电（PV）系统输出对于优化可持续鱼菜共生系统中的能源管理至关重要，其中太阳辐照度的波动带来了重大挑战。本研究提出了一种结合长短期记忆循环神经网络（LSTM-RNN）与随机森林（RF）的混合模型，以有效应对这些挑战。该模型融合了LSTM-RNN在建模时间依赖性方面的优势以及RF在特征选择和处理非线性数据方面的能力，从而在电压、电流、功率和辐照度等参数上展现出优越的预测精度。通过采用包括归一化和序列转换在内的先进预处理步骤，使数据集与时间模式对齐，提升了模型的学习效率。评估指标如均方根...
解读: 该混合机器学习模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。LSTM-RNN与随机森林结合的预测方法可集成至SG系列光伏逆变器的MPPT优化算法,提升发电预测精度(RMSE<0.08)。模型对辐照度和温度的特征优先级分析(贡献度45%和22%)可优化ST系列储能PCS的充放电策略...
基于多图神经网络辅助双域Transformer的风力发电时空预测
Spatiotemporal forecasting using multi-graph neural network assisted dual domain transformer for wind power
Guolian Hou · Qingwei Li · Congzhi Huang · Energy Conversion and Management · 2025年1月 · Vol.325
摘要 准确预测风力发电量对于风电场的运行与维护决策至关重要。随着风电机组规模和容量的不断增加，综合考虑时间与空间特征已成为提高预测精度的关键。本文提出一种新颖的多步风力发电时空预测方法，该方法采用多图神经网络辅助的双域Transformer模型。具体而言，为充分表征风电机组之间的异质依赖关系，通过注意力机制构建多种关系图并将其融合为统一图结构。随后，设计了时空融合模块（STFM），结合图卷积网络与一维卷积神经网络，以同时捕捉时间与空间特征。此外，提出了时频双域Transformer（DDform...
解读: 该时空多图神经网络风电预测技术对阳光电源储能系统具有重要应用价值。可集成至iSolarCloud平台,为风储耦合场景下的ST系列PCS提供精准功率预测支撑,优化储能充放电策略。多步预测能力(10分钟至6小时)与PowerTitan储能系统的能量管理周期高度契合,可提升风储协同调度精度。其时频双域Tr...
基于I-V曲线成像与双流深度神经网络的光伏系统遮挡类型及严重程度诊断
Shading type and severity diagnosis in photovoltaic systems via I-V curve imaging and two-stream deep neural network
Zengxiang Hea · Hong Cai Chen · Shuo Shan · Yihua Hu 等6人 · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 遮挡是光伏（PV）系统中最常见的异常现象之一，会导致功率损失和热点效应。目前大多数研究仅能实现遮挡检测，而无法进一步诊断遮挡的类型和严重程度。本文提出了一种结合I-V曲线成像与双流深度神经网络（DNN）的有效方法，用于诊断遮挡类型，并估计实际运行光伏系统中五种常见遮挡类型的严重程度。该方法首先对光伏组串的I-V曲线进行重采样，并转换至标准测试条件（STC），以消除数据尺度和环境因素对遮挡诊断结果的影响。随后，采用一种称为格拉米安角和场（Gramian angular summation f...
解读: 该阴影诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。通过I-V曲线成像与双流深度神经网络,可实现阴影类型识别与严重程度量化评估,弥补现有MPPT优化技术仅能检测异常但无法精准诊断的不足。建议将GASF时序成像与LSTM-CNN融合算法集成至智能运维平台,结合组串级...
基于大涡模拟与卷积神经网络的海上风力机尾流及输出功率预测
Prediction of offshore wind turbine wake and output power using large eddy simulation and convolutional neural network
Songyue LIU · Qiusheng LIab · Bin LUab · Junyi HEab · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 预测海上风力机的尾流特性及输出功率对于优化风电场布局并最大化风能产量至关重要。近年来，多种计算流体动力学方法被开发用于预测风力机尾流和输出功率，并相比传统解析模型表现出良好的性能。然而，在海上风电场设计中，计算流体动力学通常涉及较高的计算成本，因为需要考虑不同机组间距下多种复杂的海上风况。为在保证预测精度的同时提升计算效率，本文结合大涡模拟与卷积神经网络开展研究。大涡模拟有效融合了致动线方法与离散合成随机流生成技术，用于生成单台风力机在不同来流风速和湍流强度条件下的尾流速度、尾流湍流强度以...
解读: 该LES-CNN混合预测技术对阳光电源海上风电场储能配置具有重要价值。通过精准预测尾流效应和功率输出(误差<3%),可优化ST系列储能变流器的容量配置和PowerTitan系统的调度策略。尾流湍流强度数据可指导GFM/VSG控制算法应对风电波动,提升电网支撑能力。深度学习方法可集成至iSolarCl...
基于动态模型与神经网络的微燃机在混合燃料
NG & H₂）下的
Quan Liab · Qian Zhang · Lei Zhang · Energy Conversion and Management · 2025年1月 · Vol.346
摘要 微型燃气轮机（MGTs）正逐渐成为偏远地区和岛屿的一种多功能离网供电解决方案，同时也作为微智能电网的可靠电源，为传统集中式发电与输电提供了可行替代方案。本研究提出了一种新颖的混合性能预测框架，该框架融合了基于物理原理的白箱模型（WBM）与数据驱动的黑箱模型（BBM），实现了对MGT性能的高精度且计算高效的评估。以一台100 kW的MGT为参考系统，分别对回热循环（RC）和简单循环（SC）两种构型在环境温度为258.15 K、273.15 K和288.15 K条件下进行了分析，并系统地改变了...
解读: 该混合燃料微燃机研究对阳光电源储能系统具有重要启示价值。论文提出的物理模型与神经网络融合预测框架,可借鉴应用于ST系列PCS的多场景功率预测与能量管理优化。其快速启动机制与储能耦合方案,契合PowerTitan在孤岛微网的GFM控制需求。多目标优化算法(NSGA-III)可用于ESS充放电策略优化,...