Zhongtian Zhang · Javad Khazaei · Rick S. Blum · IEEE Transactions on Sustainable Energy · 2024年9月

本文提出一种基于稀疏性促进的新型统计学习方法，用于太阳能光伏（PV）系统的数据驱动建模与控制。针对传统稀疏回归在候选函数增多时计算复杂度高的问题，设计了自适应调节稀疏回归（ARSR）算法。该方法为各状态变量自适应调节候选函数的超参数权重，提升模型精度，并有效剔除动态模型中的无关项。基于实测数据，建立了单级和两级PV系统的开环与闭环模型，并用于控制器设计。此外，该方法还可用于故障分析，展现出优于其他数据驱动技术的能力。实时仿真验证了所提方法的有效性。

解读: 该自适应稀疏回归建模技术对阳光电源SG系列光伏逆变器和ST储能变流器的控制优化具有重要价值。其数据驱动建模方法可直接应用于iSolarCloud平台的智能诊断模块，通过实测运行数据快速建立系统动态模型，无需复杂物理建模。稀疏性促进算法能有效识别关键控制变量，优化MPPT算法和并网控制策略，提升GFL...