找到 2 条结果 · Solar Energy
通过构建多光学腔协同均化并增强光生电场以实现高效钙钛矿太阳能电池
Synergistically homogenizing and enhancing photogenerated electrical field via constructing multi-optical-cavity for efficient perovskite solar cells
Xiaoye Liua · Xinxuan Yangc · Jiahui Jina · Fengyou Wang 等8人 · Solar Energy · 2025年1月 · Vol.301
摘要 钙钛矿太阳能电池（PSCs）因其可调带隙、高吸收系数和低成本而成为一种极具前景的光伏技术。然而，PSCs内部光生电场在空间上的非均匀性限制了其效率与稳定性。为解决这一问题，我们提出了一种受法布里-珀罗腔启发的新型多光学腔结构。通过在光敏层内集成金属光散射反射器（LDR），并与器件前/后部的纳米结构协同作用，基于激发表面等离激元共振，使入射光发生多次散射与反射，从而均化光子的空间分布，最终在LDR上方和下方形成多个光学腔。该设计有效提升了光生电场的均匀性以及光敏层的光吸收效率，使得厚度为20...
解读: 该多光腔钙钛矿电池技术通过表面等离子体共振实现光场均匀化,将200nm薄层光电转换效率提升至29.72%,为阳光电源SG系列光伏逆变器的MPPT优化算法提供新思路。其全向光管理特性可启发iSolarCloud平台开发基于非均匀光照的智能诊断模型,提升组件失配场景下的发电效率。光电场均匀性增强原理对S...
采用历元依赖自适应损失加权与数据同化的光伏发电功率预测模型
Photovoltaic power forecasting model employing epoch-dependent adaptive loss weighting and data assimilation
Siyuan Fan · Hua Geng · Hengqi Zhang · Jie Yang 等5人 · Solar Energy · 2025年1月 · Vol.290
摘要 准确预测光伏（PV）发电功率对于优化能源管理系统和提升电网稳定性至关重要。本研究提出了一种物理约束的光伏发电功率预测网络（PC-P3reNet），该网络是一种双层深度学习框架，专为局部环境数据保持一致而光伏系统特性变化的场景优化设计。该框架集成了一种基于物理原理的模型，用于计算理论上的光伏发电输出，并通过Huber损失函数将其与实际测量值进行比较。PC-P3reNet的一个独特特征是其自适应损失加权机制，能够在不同的训练历元中动态调整理论数据与实测数据之间的平衡。这一机制使得模型在初始阶段...
解读: 该物理约束深度学习预测模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。其自适应损失加权机制可优化SG系列光伏逆变器的MPPT控制策略,通过融合理论模型与实测数据提升多步预测精度(MAE达0.1837)。该技术可增强ST系列储能变流器的充放电决策能力,改善电网稳定性,并为PowerT...