找到 2 条结果 · Solar Energy
双平行索桁架支撑的光伏结构：风致振动及影响因素评估
Two parallel cable trusses-supported photovoltaic structure: wind-induced vibration and evaluation of influence factors
Jingyao Lia · Shidong Nie · Min Liu · Qingshan Yang 等8人 · Solar Energy · 2025年1月 · Vol.299
索支撑光伏结构应用广泛，但风致振动（WIV）仍是主要关注问题。本研究通过气弹模型试验，对一座跨度为40米的双平行索桁架支撑光伏结构的风致振动特性及其影响因素进行了研究。在不同湍流强度的来流条件下，测量了结构的位移和索力响应，并评估了湍流强度、索预张力以及光伏板倾角的影响。结果表明，结构表现出两种不同的动力响应：抖振和自激振动（SEV）。在湍流流场中，结构响应表现为抖振，其时域响应具有随机性，且符合高斯分布特征；而在均匀流场中观察到自激振动，表现为幅值受限的周期性振动和振动频率收敛现象，并在位移和...
解读: 该研究揭示了大跨度柔性光伏支架的风致振动机理，对阳光电源地面电站系统设计具有重要参考价值。研究发现湍流强度和组件倾角是关键影响因素：倾角每增10°临界风速最多降37.5%，湍流度0.2时振幅为0.1时的1.6倍。这为SG系列逆变器配套的柔性支架方案提供优化依据：建议在高风速区域降低组件倾角配合MPP...
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...