找到 4 条结果 · Energy Conversion and Management
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...
一种受指尖陀螺启发的混合微风风能采集器，用于自供能无线环境监测系统
A fidget spinner-inspired hybrid breeze wind energy harvester for self-sustainable wireless environmental monitoring system
Kumar Shresth · Akash Deo · Aklesh Teli · Trilochan Bhatt 等5人 · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 从不稳定的微风中产生显著能量对风力驱动的能量采集器而言是一个重大挑战。为应对这一问题，本文提出并开发了一种受指尖陀螺启发的微风风能采集器，旨在最大化从微风中捕获能量。该装置借鉴指尖陀螺的力学原理，转子在单次激励下可持续旋转约25秒，从而实现从不稳定微风中连续采集能量。类似地，该装置采用定制设计的螺母和螺栓来承载磁体负载，使轴仅专注于驱动转子旋转，而无需承受磁体的重量。这一优化促进了从微风中高效采集能量，并提升了发电性能。通过进一步堆叠六个磁体以增强输出功率，在3 m/s的风速下实现了75....
解读: 该微风能量采集技术对阳光电源分布式储能系统具有启发意义。其高转动惯量设计和磁悬浮轴承优化思路,可应用于ST系列储能PCS的飞轮储能模块,提升微电网场景下的能量缓冲能力。自供电风速传感技术可集成至iSolarCloud平台,为光伏电站提供免维护的微气象监测方案。激光诱导石墨烯电极制备工艺,对Power...
风力发电机高级功率曲线建模：基于SGBRT与灰狼优化的多变量方法
Advanced power curve modeling for wind turbines: A multivariable approach with SGBRT and grey wolf optimization
Wenliang Yin · Mengqian Ji · Lin Liu · Ming Li 等7人 · Energy Conversion and Management · 2025年1月 · Vol.332
准确的功率曲线建模对于提升并网风力发电机（WTs）的运行效率和性能至关重要。为了提高建模质量并消除输入变量之间的相互影响，本文提出了一种新颖的多变量功率曲线预测方法，该方法融合了先进的机器学习技术——随机梯度提升回归树（SGBRT）和灰狼优化算法（GWO），并结合创新的数据预处理和特征选择方法。具体研究工作与创新点如下：1）在二维Copula空间中对原始数据进行清洗，以风轮转速作为辅助判据并采用概率描述方式，以处理数据不确定性及非线性依赖关系；2）提出一种偏互信息（PMI）方法用于数据分析，在此...
解读: 该风电功率曲线建模技术对阳光电源具有重要借鉴价值。其SGBRT+GWO优化算法可应用于iSolarCloud平台的光伏功率预测,提升ST储能系统的充放电策略优化精度。PMI特征选择方法可用于SG逆变器的MPPT算法改进,降低计算复杂度。二维Copula数据清洗技术适用于储能电站SCADA数据预处理,...
面向风力机结构载荷与功率评估的机器学习应用：工程视角
Towards machine learning applications for structural load and power assessment of wind turbine: An engineering perspective
Qiulei Wang · Junjie Hu · Shanghui Yang · Zhikun Dong 等6人 · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 近几十年来，日益增长的能源需求加速了风电场的建设，对风力机性能中精确的载荷与功率评估提出了更高的要求。传统方法依赖于解析尾流模型和性能曲线，在复杂入流条件下往往难以适应，导致在预测风机载荷和功率输出时存在显著的不准确性。本研究以NREL 5MW基准风力机为案例，提出一种新颖的两阶段框架，用于应对风电场规划与开发各个阶段中的上述挑战。第一阶段是在初步设计阶段推导简化推力调制因子的推荐值，从而快速评估对风电场优化至关重要的最大推力载荷和疲劳推力载荷。第二阶段聚焦于详细设计阶段的机器学习模型的设...
解读: 该机器学习框架对阳光电源风电变流器及储能系统具有重要价值。通过LightGBM模型实现风机负载与功率的高精度预测(R²>0.98),可优化ST系列PCS的功率调度策略和PowerTitan储能系统的充放电控制。推荐推力调制因子方法可应用于iSolarCloud平台的预测性维护模块,结合GFM控制技术...