找到 18 条结果 · Solar Energy
基于天空图像的辐照度估计深度学习方法基准测试及其在视频预测型辐照度临近预报中的应用
Benchmarking deep learning methods for irradiance estimation from sky images with applications to video prediction-based irradiance nowcasting
Lorenzo F.C.Varaschi · Danilo Silva · Solar Energy · 2025年1月 · Vol.302
摘要 为应对光伏发电能源带来的高度不确定性，越来越多的研究聚焦于短期太阳能预测（即临近预报）。大多数此类研究采用基于深度学习的模型，通过输入的一段天空图像序列直接预测太阳辐照度或光伏功率值。然而，近年来生成模型的发展催生了一类将临近预报问题分解为两个子问题的新方法：（1）未来事件预测，即生成未来的天空图像；（2）太阳辐照度或光伏功率估计，即从单张图像中预测对应的数值。SkyGPT 模型便是其中一例，其性能提升潜力在估计组件中远大于生成组件。因此，本文聚焦于太阳辐照度估计问题，在广泛使用的 Fol...
解读: 该深度学习辐照度预测技术对阳光电源iSolarCloud智慧运维平台及ST储能系统具有重要应用价值。通过天空图像实现短期辐照度预测可优化光储协同控制策略:提升SG逆变器MPPT算法预判能力,改善PowerTitan储能系统充放电调度精度,降低光伏出力波动对电网的冲击。该双阶段预测方法(图像生成+辐照...
基于Kolmogorov-Arnold网络与timeGAN混合架构并结合考虑运行机制的数据增强的可解释光伏功率建模
Interpretable photovoltaic power modeling via Kolmogorov-Arnold network and timeGAN hybrid architecture with regime-aware data augmentation
Yuqiao Pan · Zhaocai Wang · Zuowen Tan · Zhihua Zhu · Solar Energy · 2025年1月 · Vol.302
摘要 光伏（PV）发电的波动性和随机性为其大规模并入电力系统带来了显著挑战，限制了太阳能作为一种清洁能源的充分开发利用。为解决这一问题，本研究提出了一种混合建模框架，协同融合数据预处理、特征扩展与先进的深度学习架构。首先，采用集成变分自编码器（VAE）进行特征选择与降维，并对数据进行季节性和昼夜模式划分；随后，利用 Ordering Points to Identify the Clustering Structure（OPTICS）算法识别内在的运行机制（regime），并通过TimeGAN生...
解读: 该Transformer-KAN混合架构对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。通过VAE特征降维与TimeGAN数据增强,可显著提升光伏功率预测精度(RMSE降低29.51%),优化MPPT算法动态响应。regime-aware聚类识别可增强ST系列储能PCS的充...
通过机器学习技术预测屋顶几何形状以释放太阳能潜力——一项综述
Unlocking solar potential through machine learning techniques for roof geometry prediction- A review
Dina Shat · Sara Omrani · Robin Drogemuller · Simon Denman 等5人 · Solar Energy · 2025年1月 · Vol.302
摘要 全球向可再生能源的转型凸显了优化住宅太阳能光伏（PV）系统的必要性。准确的屋顶几何形状预测对于提高屋顶太阳能安装的效率和可扩展性至关重要。本综述考察了近期为提升屋顶几何预测精度而设计的机器学习（ML）方法，综合分析了包括卷积神经网络（CNN）和多任务学习框架在内的最新技术，以评估预测精度和计算效率方面的改进。本文还强调了当前面临的挑战，例如数据可用性、多样化数据集的整合（如航拍影像和LiDAR扫描）以及地理泛化能力，并提出了未来研究的方向。未来的研究机会包括开发鲁棒且可扩展的机器学习模型以...
解读: 该机器学习屋顶几何预测技术对阳光电源户用光伏系统具有重要应用价值。通过CNN等深度学习模型精准预测屋顶结构,可优化SG系列逆变器的MPPT配置方案和组串设计。结合iSolarCloud平台,能实现屋顶光伏潜力自动评估、系统容量智能推荐及安装方案优化。该技术可与阳光电源储能系统ST系列协同,通过屋顶数...
一种用于长期光伏和风电功率预测的细粒度频率分解框架
A fine-grained frequency decomposition framework for long-term photovoltaic and wind power forecasting
Peng Suna · Tingxiao Dinga · Jin Sua · Yuhan Yanga 等8人 · Solar Energy · 2025年1月 · Vol.301
准确预测太阳能和风能对于实现高效的电网集成至关重要。然而，现有的机器学习和深度学习方法在处理复杂且变化多端的时间序列数据时面临若干挑战，例如通用性有限、泛化能力不足，以及难以平衡计算效率与预测精度之间的关系。为应对这些挑战，本研究提出了一种细粒度频率分解框架（FDF），并设计了一种基于小波变换与下采样策略（连续采样和间隔采样）的序列分解方案。该框架旨在深入挖掘时间序列中的复杂时序模式，并充分捕捉长距离依赖关系。具体而言，FDF首先利用小波变换将原始时间序列分解为多个不同频率的分量；随后，对每个分...
解读: 该细粒度频率分解框架对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过小波变换与采样策略结合,可显著提升光伏功率预测精度(MAE降低7.65%),同时保持轻量化特性(0.29M参数)。该方法可集成至ST系列PCS的功率预测模块,优化PowerTitan储能系统的充放电策略制...
选择有效的NWP集成方法以实现基于深度学习的光伏功率预测
Selecting effective NWP integration approaches for PV power forecasting with deep learning
Dayin Chenab · Xiaodan Shie · Mingkun Jiang · Shibo Zhuab 等8人 · Solar Energy · 2025年1月 · Vol.301
准确预测光伏发电功率对于可靠的能源调度和系统运行至关重要。尽管深度学习模型在该领域已展现出强大的能力，但如何有效地将数值天气预报（NWP）数据融入此类模型仍然是一个具有挑战性的问题。在本研究中，我们提出并系统评估了五种不同的NWP集成策略——分别称为方法1至方法5——以提升光伏发电预测性能。这些方法在14种代表性模型和四个预测时间范围（4、24、72和144步）上进行了测试，涵盖了短期、中期和长期预测场景。实验结果表明，每种集成方法的有效性取决于模型结构和预测时间范围。特别是，在短期预测中，方法...
解读: 该研究系统评估了五种NWP数值天气预报与深度学习模型的集成策略,对阳光电源iSolarCloud智慧运维平台的光伏功率预测模块具有直接应用价值。研究发现Method 5适配LSTM短期预测、Method 4适配Transformer长期预测的结论,可优化SG系列逆变器的发电预测算法。精准的多时间尺度...
基于RGB成像的太阳能光伏故障分类深度学习及预处理技术比较
Deep learning for solar PV fault classification using RGB imaging and comparison of preprocessing techniques
Muthu Eshwaran Ramachandran · Gurukarthik Babu Balachandran · Petchithai Velladurai · Arthy Rajakumar · Solar Energy · 2025年1月 · Vol.301
摘要：有效检测太阳能光伏（PV）系统中的故障对于确保系统最佳性能和维护至关重要。本研究探讨了不同图像预处理技术对基于深度学习的分类模型准确性的影响，所用的光伏组件RGB图像（包括鸟粪、灰尘、物理/电气损伤、积雪和清洁状态）来自Kaggle数据集。每个像素的R、G、B值捕捉了视觉特征，并通过预处理进一步增强。因此，RGB图像作为卷积神经网络（CNN）分类的原始输入。研究结果表明，仅使用原始RGB图像时，模型准确率仅为85%–89%，但当结合预处理技术（灰度转换+高斯模糊）后，性能显著提升至最高94...
解读: 该深度学习故障分类技术对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要应用价值。研究证实通过灰度转换+高斯模糊预处理可将RGB图像故障识别准确率提升至94%,可直接集成至iSolarCloud的预测性维护模块,实现鸟粪、灰尘、物理损伤等六类故障的自动识别。该轻量化CNN模型(...
基于混合深度学习的无分布假设光伏功率概率密度预测
Distribution-Free photovoltaic power probability density forecasting based on hybrid deep learning
Haohao Fenga · Yujing Shia · Mifeng Rena · Wenjie Zhang 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 光伏（PV）发电具有高度随机性，概率预测能够有效量化其不确定性。然而，现有的概率预测模型受限于先验分布假设和不完整的表示方式，削弱了其对真实数据生成过程的建模能力，导致预测效果不理想。为解决这一问题，本文提出一种基于B样条-iTransformer-多头交叉注意力（BS-iMCFormer）的无分布假设光伏功率概率密度预测模型。该模型的核心在于：利用B样条拟合通过核密度估计（KDE）获得的概率密度函数（PDF），提取表征PDF特征的控制点以构建系数向量，并将PDF预测转化为系数向量的预测；...
解读: 该无分布假设的光伏功率概率密度预测技术对阳光电源iSolarCloud智慧运维平台及SG系列逆变器具有重要应用价值。基于B样条-iTransformer的混合深度学习模型可集成至预测性维护系统,通过精准量化发电不确定性,优化ST系列储能PCS的充放电策略制定。其KL散度降低54.82%的性能提升,可...
ConvODE-Mixer：一种用于超短期光伏功率预测的多模态深度学习模型
ConvODE-Mixer: A multimodal deep learning model for ultra-short-term PV power forecasting
Binbin Yonga · Yanxiang Zhang · Jun Shenb · Aiai Renb 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 太阳能已成为应对全球能源与环境挑战的关键可再生能源。由于气象因素引起的光伏发电随机波动，光伏功率预测仍面临重大挑战，可能引发电网不稳定事件。本文提出了一种名为ConvODE-Mixer的多模态模型，该模型将卷积神经网络（CNN）与神经常微分方程（NODE）相结合，以提高超短期光伏功率预测的准确性。通过融合地面云图（GBCI）和气象数据，ConvODE-Mixer采用多尺度轻量化缩减型空洞空间金字塔池化（LR-ASPP）分割模块来捕捉云层厚度的变化，并引入通道注意力机制对光透射率敏感特征进行...
解读: 该ConvODE-Mixer多模态超短期光伏功率预测技术对阳光电源SG系列逆变器及ST储能系统具有重要应用价值。通过融合地基云图与气象数据,10分钟预测精度显著提升(MSE降低40.45%),可深度集成至iSolarCloud平台实现预测性运维。该技术能优化储能系统充放电策略,配合GFM控制技术提升...
基于深度神经网络的变气象条件下光伏参数精确估计模型
Deep neural networks model for accurate photovoltaic parameter estimation under variable weather conditions
Salem Batiyah · Ahmed Al-Subhi · Osama Elsherbiny · Obaid Aldosari 等5人 · Solar Energy · 2025年1月 · Vol.299
摘要 估算光伏（PV）参数对于光伏系统的精确建模和性能预测至关重要。本文提出了一种基于深度神经网络的方法，通过数据手册中的信息来确定光伏参数。该技术利用MATLAB/Simulink库中光伏模块单元生成的数千个数据点进行训练。采用平均绝对百分比误差（MAPE）、决定系数（R-squared）和均方根误差（RMSE）等指标对模型的有效性进行了评估。通过利用神经网络固有的模式识别和学习能力，该模型能够准确地估计光伏参数。为了评估所提方法的有效性，对其性能进行了多种测试，包括对测试数据、实验数据以及在...
解读: 该深度学习光伏参数估计技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。通过神经网络精准估算不同气象条件下的光伏参数,可优化MPPT算法实时性能,提升逆变器发电效率。该方法可集成至智能运维平台,实现组件参数在线辨识与性能预测,减少现场测试成本。结合PowerTitan储能系统...
整合可再生能源与电动汽车：一种用于直流微电网有效能量管理的方法
Integrating renewable resources and electric Vehicles: An approach for effective energy management in DC microgrid
M.Manikandan · R.Saravanan · G.Kannayeram · M.Saravanan · Solar Energy · 2025年1月 · Vol.299
摘要 直流微电网（DCMGs）在减少碳排放和应对全球变暖方面具有重要作用。然而，维持稳定的直流母线电压并确保高效的能量流动仍面临挑战。本文提出了一种结合鹦鹉优化算法（Parrot Optimization, PO）与量子自注意力神经网络（Quantum Self-Attention Neural Networks, QSANN）的混合方法，命名为PO-QSANN，旨在提升集成电动汽车（EVs）和光伏发电（PV）的直流微电网能量管理系统（EMS）性能。本研究的目标是通过稳定直流母线电压来降低运行成...
解读: 该PO-QSANN混合优化算法对阳光电源直流微网产品具有重要应用价值。其DC母线电压稳定控制技术可直接应用于ST系列储能变流器的母线管理,量子自注意力神经网络的负荷预测能力可增强iSolarCloud平台的智能运维功能。论文中PI控制器参数优化方法与阳光电源三电平拓扑控制策略高度契合,0.4$/kW...
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...
用于光伏能源预测的轻量级深度学习：优化冬季住宅的脱碳
Lightweight deep learning for photovoltaic energy prediction: Optimizing decarbonization in winter houses
Youssef Jouane · Ilyass Abouelaziz · Imad Saddik · Oussama Oussous · Solar Energy · 2025年1月 · Vol.297
本文提出了一种创新的混合多变量深度学习方法，用于预测冬季住宅中的光伏发电量，重点在于具有低环境影响的轻量级模型。研究开发了一种评估这些模型碳足迹的方法论，综合考虑了训练过程中的能耗、运行阶段的二氧化碳排放以及通过光伏发电优化所实现的节能效益。该方法能够筛选出在预测精度与环境责任之间达到最佳平衡的模型。本研究以瑞士波斯基亚沃的一栋正能冬季住宅（PEWH）为案例，比较了长短期记忆网络（LSTM）、卷积神经网络（CNN）以及一种混合型CNN-LSTM模型在高积雪地区进行短期光伏发电预测的性能表现。结果...
解读: 该轻量级深度学习预测技术对阳光电源iSolarCloud平台和ST储能系统具有重要应用价值。研究中的CNN-LSTM混合模型可集成至智能运维平台,优化冬季高纬度地区光伏-储能协同控制策略。通过精准预测光伏出力,ST系列PCS可提前调整充放电曲线,避免过度发电造成的弃光。特别是在瑞士等高雪地区案例中,...
集成深度学习与图像处理方法用于建模太阳能阵列阴影导致的能量损失
Integrated deep learning and image processing method for modeling energy loss due to shadows in solar arrays
Mohamad T.Araji · Ali Waqas · Solar Energy · 2025年1月 · Vol.297
摘要 遮挡对光伏（PV）系统的发电能力构成了严重挑战，可能导致高达40%的能量损失，引发功率失配、热点形成以及组件加速老化。准确地建模与模拟遮挡现象对于提升光伏系统性能至关重要。本研究开发了两种阴影检测流程：（i）结合K均值分割的经典霍夫变换（CHT）方法；（ii）一种新的深度霍夫变换（DHT）方法，该方法能够自主学习语义线条特征，而无需依赖特定于光伏系统的训练数据。实验分析基于一个容量为1千瓦、配备预设遮挡装置的太阳能阵列开展。所提方法在太阳能板检测精度上达到0.85，相较于经典霍夫变换方法提...
解读: 该深度学习阴影检测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究揭示阴影可导致40%能量损失,验证了我司MPPT多路优化和组串式逆变器架构的必要性。其实时阴影建模方法(mIoU达81.8%)可集成至iSolarCloud智能运维平台,实现行人、车辆、云层等动态遮挡...
提高风电功率预测精度：一种混合SNGF-RERNN-SCSO方法
Enhancing wind power forecasting accuracy: A hybrid SNGF-RERNN-SCSO approach
Ramesh Chandra Khamari · Santosh Manib · Rajesh G.Bodkhe · Akhilesh Kumar Singh · Solar Energy · 2025年1月 · Vol.295
摘要 准确预测风电功率对于优化能源管理、提升电网稳定性至关重要。然而，由于风速模式具有间歇性和随机性的固有特征，风速与发电功率的预测面临显著挑战。本文提出的混合系统融合了表面正态伽abor滤波器（Surface Normal Gabor Filter, SNGF）、回忆增强型循环神经网络（recalling enhanced recurrent neural network, RERNN）以及沙猫群优化算法（sand cat swarm optimization, SCSO），命名为SNGF-R...
解读: 该混合风电预测技术对阳光电源储能系统具有重要应用价值。SNGF-RERNN-SCSO模型实现0.1% MAE和0.3秒响应速度,可直接集成至ST系列PCS和PowerTitan储能系统的能量管理模块,优化风储协调控制策略。其高精度预测能力可增强GFM/GFL控制算法的前瞻性调度,提升电网稳定性。建议...
农业光伏系统的控制策略：平衡发电量与农作物产量以实现可持续发展
Control strategies for agricultural photovoltaic systems: Balancing electricity generation and agricultural yield for sustainable development
Bo Tian · Ningbo Wang · Lu Liu · Yuanxin Lin 等8人 · Solar Energy · 2025年1月 · Vol.288
摘要 不同的控制策略对农业光伏（PV）系统的整体性能具有显著影响。本研究采用人工神经网络（ANN）算法对数值天气预报（NWP）模型的太阳辐照度预测结果进行修正，并提出了以实现最优农作物产量和最优发电量为目标的创新性控制策略。结合法国的一个农业光伏项目，研究了不同控制策略下农业光伏系统的发电量、作物产量以及土地当量比（LER）。结果表明，与传统的太阳跟踪控制策略相比，最优产量控制策略的年发电量减少23%，LER值平均下降10%。而最优发电量控制策略相较于传统太阳跟踪控制策略，最高可实现单日发电增益...
解读: 该农光互补控制策略研究对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。文中基于ANN算法的辐照预测与动态控制策略,可集成至我司MPPT优化算法中,实现发电与农业产出的智能平衡。研究显示优化发电策略可提升15.6%年发电量,验证了智能控制的经济性。建议将该多目标优化思路融入i...
基于深度学习与稀疏风洞数据的长跨柔性光伏结构时空风压场预测
Spatiotemporal wind pressure field prediction for long-span flexible photovoltaic structures using deep learning and sparse wind tunnel data
Hehe Ren · Haoyue Liu · Boyang Wang · Shitang Ke · Solar Energy · 2025年1月 · Vol.286
摘要 长跨柔性光伏（PV）结构是应对“光伏+”发展挑战的关键解决方案之一。然而，由于其跨度大、自重轻、刚度柔、离地高度高等特点，易产生显著的风致振动响应，属于典型的风敏感结构，因此风荷载成为其结构设计中的控制性荷载。目前，针对柔性光伏结构的风荷载尚无明确的设计标准，相关研究主要依赖风洞试验获取风荷载数据。但由于试验尺度限制，风压测点只能在结构表面稀疏布置。为此，本文将风洞试验数据与深度学习方法相结合，提出一种仅基于有限数量监测点即可预测柔性光伏结构表面风压时空场的方法。考虑到风压具有显著的时空波...
解读: 该风压场时空预测技术对阳光电源大型地面光伏电站及柔性支架系统具有重要应用价值。针对SG系列逆变器配套的大跨度柔性光伏支架，该深度学习模型可优化抗风设计，降低结构成本。对于PowerTitan储能系统的户外集装箱布局，可通过风压预测优化散热通道设计，提升系统可靠性。建议将该技术集成至iSolarClo...
从焦斑可扩展预测定日镜表面：逆向深度学习光线追踪的仿真到真实迁移
Scalable heliostat surface predictions from focal spots: Sim-to-Real transfer of inverse Deep Learning Raytracing
Jan Lewen · Max Pargmann · Mehdi Cherti · Jenia Jitsev 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 聚光太阳能发电（Concentrating Solar Power, CSP）电站是实现可持续能源转型的关键技术之一。其安全高效运行的一个关键因素在于接收器上太阳辐射通量分布的精确性。然而，单个定日镜产生的通量密度对表面缺陷极为敏感，例如镜面倾斜误差和形变。在实际部署中，对数百乃至数千个定日镜的表面进行逐一测量仍然不切实际。因此，控制系统通常假设定日镜表面为理想状态，导致性能次优并可能带来安全隐患。为解决这一问题，近期提出了一种名为逆向深度学习光线追踪（inverse Deep Learn...
解读: 该逆向深度学习光线追踪技术对阳光电源光热-光伏混合电站具有重要价值。iDLR可实现定日镜表面缺陷的自动化检测与建模,通过零样本迁移学习将仿真模型直接应用于实际场景,预测精度达90%。该方法可集成至iSolarCloud平台,实现大规模定日镜阵列的预测性维护与数字孪生建模。其深度学习架构可借鉴应用于S...
基于逆深度学习光线追踪的定日镜表面预测
Inverse Deep Learning Raytracing for heliostat surface prediction
Jan Lewen · Max Pargmann · Mehdi Cherti · Jenia Jitsev 等6人 · Solar Energy · 2025年1月 · Vol.289
摘要 聚光太阳能热发电（Concentrating Solar Power, CSP）电站在全球向可持续能源转型过程中发挥着关键作用。确保CSP电站安全高效运行的一个关键因素是接收器上聚光通量密度的分布情况。然而，单个定日镜产生的非理想通量密度可能损害电站的安全性和效率。每个定日镜所产生的通量密度受其精确表面形貌的影响，包括倾斜角度（canting）和镜面误差等因素。对运行中的大量定日镜进行表面形貌的准确测量是一项艰巨的挑战。因此，控制系统通常依赖于理想表面条件的假设，这在一定程度上牺牲了系统的...
解读: 该逆向深度学习光线追踪技术对阳光电源光热-光伏混合电站系统具有重要借鉴价值。iDLR方法通过目标图像预测定日镜表面缺陷,实现92%精度的光通量预测,可启发iSolarCloud平台开发基于深度学习的光伏组件表面缺陷诊断功能。其NURBS参数化模型将存储需求降低99.91%,与阳光电源SG系列逆变器的...