找到 3 条结果 · Energy Conversion and Management
基于深度强化学习的考虑动态风的风电场流动控制
Deep reinforcement learning-driven wind farm flow control considering dynamic wind
Hangyu Wang · Shukai He · Jie Yan · Shuang Han 等5人 · Energy Conversion and Management · 2025年1月 · Vol.337
摘要 克服由尾流效应引起的功率损失对于提高运行中风电场的效率至关重要。风电场流动控制是实现这一目标的关键方法。然而，包括风速和风向变化在内的动态风况以及环境不确定性，给有效的流动控制带来了重大挑战。为应对这些挑战，本文提出了一种基于深度强化学习并考虑动态风的风电场流动控制方法。首先，从LiDAR测量数据中提取动态风波动特征，构建了全面的数据集。随后，开发了一种以动态风作为输入、通过偏航角调整最大化风电场输出功率的流动控制方法。最后，引入双延迟深度确定性策略梯度（Twin Delayed Deep...
解读: 该深度强化学习风电场流控技术对阳光电源储能系统具有重要借鉴价值。TD3算法的实时优化与在线学习机制可应用于ST系列PCS的动态功率调度,通过经验回放处理新能源波动不确定性。动态风况建模思路可迁移至PowerTitan储能系统,结合iSolarCloud平台实现风光储协同控制,优化多能互补场景下的功率...
部分遮阴下最优功率采集：基于二进制灰雁优化的光伏阵列重构与基于机器学习的故障诊断
Optimal power harvesting under partial shading: Binary Greylag Goose optimization for reconfiguration and Machine learning-Based fault diagnosis in solar PV arrays
S.Saravanan · R. Senthil Kumar · P.Balakumar · N. Prabaharan · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 光伏（PV）系统已成为向电网提供能量采集支持的主要来源，作为传统能源的可持续替代方案。然而，部分遮阴对光伏系统的影响会降低基于光伏的发电效率。光伏阵列重构方法是减轻部分遮阴效应影响的最佳实践之一。本文提出了一种新的光伏阵列重构方法，采用二进制灰雁优化（Binary Greylag Goose Optimization, BGGO）算法。为验证所提BGGO方法的有效性，研究采用一个9x9面板的光伏阵列，并考虑六种阴影分布模式——右下角、右上角、左下角、左上角、中心以及对角线遮阴。在总交叉连接...
解读: 该二进制灰雁优化算法结合机器学习的阴影应对方案,对阳光电源SG系列光伏逆变器的MPPT优化技术具有重要参考价值。研究验证在复杂遮挡场景下通过阵列重构可提升10-14%发电效率,可与我司iSolarCloud平台的预测性维护功能深度融合,实现智能故障诊断与动态拓扑优化。该方法论可应用于ST储能系统的能...
基于线性跳跃方法的光伏系统柔性功率点跟踪
Flexible power point tracking for photovoltaic systems based on the linear jump method
Fang Gao · Zuchang Lin · Linfei Yin · Qing Gao · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 随着可再生能源的发展，灵活的光伏（PV）功率跟踪控制策略正日益成为研究热点。现有的恒定功率发电（CPG）方法在环境条件变化和参考功率波动时，往往难以同时满足快速收敛、稳定跟踪以及算法简洁性的要求。为解决这一问题，本文提出一种基于线性跳跃方法（LJM-B）的柔性功率点跟踪（FPPT）算法。该策略通过计算或估计单个P-V曲线峰值左侧最大功率点（MPP）处P-V特性曲线的线性斜率，确定与参考功率相对应的参考电压。当参考功率小于可用光伏功率时，系统可根据计算得到的参考电压直接跳转至目标功率工作点。...
解读: 该线性跳变柔性功率跟踪技术对阳光电源SG系列光伏逆变器及ST储能变流器具有重要应用价值。通过P-V曲线左侧线性斜率计算实现参考电压快速定位,可显著提升我司MPPT算法在功率限发场景下的动态响应速度。该方法特别适用于电网调度需求下的主动功率控制、储能系统充电功率精准跟踪,以及PowerTitan等大型...