找到 4 条结果 · Solar Energy
多尺度太阳能制氢系统设计：一个开源建模框架
Multi-scale solar-to-hydrogen system design: An open-source modeling framework
Cristina Teixeir · Miguel Alexandre · Leonardo Rodriguesbc · António T.Vicente 等10人 · Solar Energy · 2025年1月 · Vol.301
摘要 由可再生能源生产的氢气在实现净正向目标方面具有提供可持续解决方案的巨大潜力。然而，阻碍其广泛采用的一个技术挑战是缺乏用于在真实条件下对集成系统组件进行精确尺寸设计和仿真模拟的开源建模工具。在本研究中，我们开发了一个可扩展、用户友好且开源的Python®模型，用于模拟并网型电池辅助的光伏-电解槽系统，以实现绿色氢气的生产及其向高附加值化学品和燃料的转化。该代码已在GitHub上公开发布，使用户能够预测不同规模和地理位置下太阳能制氢系统的性能。该模型应用于三个具有不同气候特征的地点——辛特拉（...
解读: 该开源光伏制氢系统建模框架对阳光电源光储氢一体化解决方案具有重要参考价值。研究验证了电池辅助PV-电解槽系统的技术可行性,与公司ST系列储能变流器、SG系列光伏逆变器可深度协同。模型中0.5 WEC/Wp PV容量配比及24/7连续运行策略,可指导iSolarCloud平台优化光储氢能量管理算法。研...
基于静止卫星观测数据的机器学习短波辐射预报以优化太阳能光伏和聚光太阳能系统
Machine learning forecasts of short wave radiation from geostationary satellite measurements to optimize solar photovoltaic and concentrated solar power systems
Hongyu Wua · Chengxin Zhangb · Jingkai Xuea · Xinhan Niub 等7人 · Solar Energy · 2025年1月 · Vol.299
摘要 在全球能源转型与可持续发展的背景下，精确的短波辐射（SWR）预测对于提高太阳能光伏发电（PV）和聚光太阳能发电（CSP）系统的效率与经济可行性日益重要。本研究提出了一种创新的机器学习短波辐射预测模型，利用静止卫星的多波段太阳短波辐射测量数据，实现未来一小时内的短波辐射预报。该模型基于一种云量加权的混合模型，结合了卷积长短期记忆网络（ConvLSTM）与傅里叶神经算子（FNO）模型。在测试过程中，优化后的混合模型表现优于ERA5再分析数据，预测误差降低了24.14%，平均绝对误差降低了38....
解读: 该卫星遥感+机器学习的短波辐射预测技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。通过ConvLSTM-FNO混合模型实现小时级精准预测,可优化MPPT算法实时响应辐照变化,提升发电效率6.4%。结合iSolarCloud平台可实现光储协同调度:光伏侧提前调整并网策略,储能侧优化充放...
基于迎风侧首排数据与深度学习的长跨柔性光伏阵列风压分布预测
Prediction of wind pressure distribution on long-span flexible photovoltaic arrays using windward first row data and deep learning
Hehe Rena · Haoyue Liua · Shitang Kea · Wenxin Tiana 等8人 · Solar Energy · 2025年1月 · Vol.298
摘要 长跨柔性光伏（PV）结构是解决“光伏+”发展挑战的关键方案之一。然而，其大跨度、轻质、低刚度和高离地间隙等特性加剧了风致振动效应，使得风荷载成为结构设计中的关键因素。鉴于风压试验中风压数据具有空间分布特征且测点数量受限，本文提出一种全卷积网络（FCN）模型，该模型在卷积神经网络（CNN）框架内融合多尺度特征与跳跃连接结构，利用柔性光伏阵列首排的风压场数据来预测整个光伏阵列的风压分布。结果表明，所预测风压的相对误差约为9%，预测值与实际风压之间的相关系数超过0.95。这说明该FCN模型能够有...
解读: 该风压预测技术对阳光电源大型地面光伏电站的结构设计具有重要价值。针对渔光互补、农光互补等'光伏+'场景中采用的大跨度柔性支架系统，该深度学习模型可通过少量迎风侧测点数据预测整体风压分布，优化支架结构设计，降低风洞试验成本。可应用于SG系列逆变器配套的柔性支架系统选型，指导PowerTitan储能系统...
基于开源低成本天空成像仪和混合深度学习技术的超短期太阳辐照度预测
Very short-term solar irradiance forecasting based on open-source low-cost sky imager and hybrid deep-learning techniques
Martin Ansong · Gan Huang · Thomas N.Nyang’on · Robinson J.Musembi 等5人 · Solar Energy · 2025年1月 · Vol.294
摘要 太阳辐照度（SI）预测对于光伏（PV）系统的可靠运行至关重要。这一点在非洲等地区尤为突出，因为这些地区的许多SI预测方法依赖于稀缺的历史数据，而电力网络本身存在的不稳定性又因SI的波动性而进一步加剧。准确的太阳能预测对于改善电网管理至关重要，可帮助运营商平衡供需关系并提升系统稳定性。基于地面的天空成像技术是一种有前景的SI预测方法，无需依赖大量历史数据。然而，商用天空成像仪价格昂贵且灵活性有限。本文介绍了卡尔斯鲁厄低本钱全天候成像仪（KALiSI），该设备由市售组件构成，能够拍摄高分辨率图...
解读: 该低成本天空成像超短期光伏预测技术对阳光电源SG系列逆变器和ST储能系统具有重要应用价值。15分钟前瞻预测可优化MPPT算法响应速度,提升逆变器在云层遮挡等突变工况下的功率跟踪精度。结合iSolarCloud平台,CNN-LSTM预测模型可为PowerTitan储能系统提供精准充放电调度依据,降低电...