找到 2 条结果 · IEEE Transactions on Industry Applications
基于机器学习的光伏逆变器可靠性评估及其告警-环境变异性的考虑
Machine Learning-Driven Reliability Estimation of PV Inverters Considering Alert-Ambient Variability
Sukanta Roy · Alexander Stevenson · Shahid Tufail · Hugo Riggs 等6人 · IEEE Transactions on Industry Applications · 2024年12月
摘要：天气引发的时空劣化限制了户外光伏逆变器的使用寿命和可靠性，因此需要进行先进的数据分析。本研究采用自上而下、数据驱动的方法，利用多种机器学习（ML）算法来评估一座1.4兆瓦光伏电站中逆变器的可靠性，同时考虑了辐照度、湿度、温度、一天中的时间以及天气状况等因素。来自17台相同逆变器的大量警报数据集，包括警报类型、传播情况和发生频率，揭示了其与环境因素和逆变器输出功率之间的显著相关性，从而能够构建性能可靠性模型。对双阶段监督式机器学习模型的准确性进行了评估，其中人工神经网络（ANN）的“分类 -...
解读: 该机器学习驱动的可靠性评估技术对阳光电源SG系列光伏逆变器及ST储能变流器产品线具有重要应用价值。研究提出的告警-环境变异性分析框架可直接集成至iSolarCloud智能运维平台，通过融合温湿度、辐照度等多源环境参数与现场告警数据，实现对户外逆变器的精准寿命预测与预测性维护。该方法可优化阳光电源现有...
一种考虑天气条件的分布式电源选址定容与配电网开关协调的概率型温变模型
A Probabilistic Temperature-Reliant Model for Optimally Sizing and Siting of Distributed Generators Coordinated with Distribution Network Switching Considering Weather Conditions
Meisam Mahdavi · Amir Bagheri · Francisco Jurado · Augustine Awaafo 等5人 · IEEE Transactions on Industry Applications · 2025年8月
摘要：分布式电源（DG）的最优选址和配电线路的合理开关操作被认为是降低配电网损耗最有效的手段。配电网的功率损耗削减在电力系统运行和管理中至关重要，因为它在电力系统总功率损耗中占比最大。电力系统中的损耗会导致高昂的网络运行成本，还会使系统电压分布发生畸变。在传统的分布式电源选址和网络开关操作（重构）机制中，会对分布式电源的最优位置、数量以及开关状态进行优化确定，以确保将损耗降至最低，从而满足用户的电力需求。与恒定负荷相比，配电母线处的负荷变化会导致不同的损耗结果。然而，大多数针对分布式电源配置和网...
解读: 该温变模型对阳光电源分布式能源系统规划具有重要价值。在ST储能系统部署中，可结合环境温度对变流器效率和电池性能的影响，优化储能容量配置与选址策略；在SG光伏逆变器并网规划中，通过考虑温度对线路阻抗和负荷特性的动态影响，提升MPPT算法在不同气候条件下的适应性。该概率模型与网络拓扑协同优化的思路，可应...