找到 39 条结果
基于机器学习的光伏逆变器可靠性评估及其告警-环境变异性的考虑
Machine Learning-Driven Reliability Estimation of PV Inverters Considering Alert-Ambient Variability
Sukanta Roy · Alexander Stevenson · Shahid Tufail · Hugo Riggs 等6人 · IEEE Transactions on Industry Applications · 2024年12月
摘要：天气引发的时空劣化限制了户外光伏逆变器的使用寿命和可靠性，因此需要进行先进的数据分析。本研究采用自上而下、数据驱动的方法，利用多种机器学习（ML）算法来评估一座1.4兆瓦光伏电站中逆变器的可靠性，同时考虑了辐照度、湿度、温度、一天中的时间以及天气状况等因素。来自17台相同逆变器的大量警报数据集，包括警报类型、传播情况和发生频率，揭示了其与环境因素和逆变器输出功率之间的显著相关性，从而能够构建性能可靠性模型。对双阶段监督式机器学习模型的准确性进行了评估，其中人工神经网络（ANN）的“分类 -...
解读: 该机器学习驱动的可靠性评估技术对阳光电源SG系列光伏逆变器及ST储能变流器产品线具有重要应用价值。研究提出的告警-环境变异性分析框架可直接集成至iSolarCloud智能运维平台，通过融合温湿度、辐照度等多源环境参数与现场告警数据，实现对户外逆变器的精准寿命预测与预测性维护。该方法可优化阳光电源现有...
基于长时域FCS-MPC训练的一维卷积神经网络用于FPGA平台电力电子变换器控制——以Si/SiC混合变换器为例
Long-Horizon FCS-MPC Trained 1-D Convolution Neural Networks for FPGA-Based Power-Electronic Converter Control With a Si/SiC Hybrid Converter Case Study
Ning Li · Hao Yu · Stephen Finney · Paul D. Judge · IEEE Transactions on Industrial Electronics · 2025年2月
传统的电力电子长时域有限控制集模型预测控制（FCS - MPC）在实时实现方面存在两个主要问题：1）计算负担和延迟；2）对现场可编程门阵列（FPGA）等实时平台的硬件资源要求较高。为解决这些问题，研究人员提出利用模型预测控制结果作为离线训练数据来训练人工神经网络（ANN），并将其应用于实时控制器中，以替代原有的模型预测控制模型。通过这种方式，人工神经网络减轻了在线计算负担和对硬件资源的需求。本文提出了一种基于FPGA的用于长时域FCS - MPC的一维卷积神经网络（CNN）。为进一步简化网络模型...
解读: 从阳光电源的业务视角来看，这项基于FPGA的一维卷积神经网络（CNN）控制技术对我们的核心产品线具有重要战略价值。该技术通过机器学习方法解决了长时域有限控制集模型预测控制（FCS-MPC）在功率电子变换器中的实时实现难题，这与我们在光伏逆变器、储能变流器等产品中面临的控制性能优化需求高度契合。 技...
基于速度预测与庞特里亚金最小值原理的电池-超级电容电动车最优在线能量管理系统
Optimal Online Energy Management System for Battery-Supercapacitor Electric Vehicles Using Velocity Prediction and Pontryagin's Minimum Principle
作者未知 · IEEE Transactions on Vehicular Technology · 2024年9月
电动汽车（EV）的能量管理系统（EMS）设计因不确定的驾驶和道路条件而变得复杂。为提高基于电池/超级电容器（SC）的电动汽车的性能，本文提出了一种基于庞特里亚金极小值原理（PMP）的自适应能量管理系统，该系统通过基于人工神经网络（ANN）的方法考虑实际道路坡度和速度预测。基于从基于PMP的能量管理系统获得的解，设计了一种自适应能量管理系统。PMP得到的解基于一个恒定的协态变量，该变量无法应用于不确定的驾驶条件。为解决这一问题，采用一种新颖的自适应法则实时调整协态变量，该法则考虑了车辆未来的功率需...
解读: 从阳光电源储能系统和新能源车载解决方案的业务视角来看，这项基于庞特里亚金最小值原理（PMP）的自适应能量管理技术具有重要的借鉴价值。该研究针对电池-超级电容混合储能系统的优化控制，与我司在储能领域的核心技术方向高度契合。 该技术的核心创新在于通过人工神经网络预测车辆速度，结合实时路况坡度动态调整协...
基于数据驱动与知识驱动方法的可再生能源并网系统在线振荡稳定性评估
Online Oscillatory Stability Assessment of Renewable Energy Integrated Systems Based on Data-Driven and Knowledge-Driven Method
Lei Gao · Jing Lyu · Xin Zong · Xu Cai 等5人 · IEEE Transactions on Power Delivery · 2025年5月
随着可再生能源的大规模接入，现代电力系统宽频振荡风险显著增加。然而，可再生能源单元的黑/灰箱特性限制了其稳定性的有效分析。尽管阻抗测量或矢量拟合方法理论上可揭示模型特性，但在实时在线评估中面临挑战。为此，本文提出一种数据驱动与知识驱动相结合的方法，实现可再生能源并网系统的实时振荡稳定性评估。首先，采用数据驱动方法构建基于人工神经网络的宽频阻抗辨识模型；其次，结合场站拓扑与运行工况，在线获取可再生能源电站的宽频阻抗；进而，基于阻抗数据提出适用于复杂系统的在线稳定性评估方法。最后，通过中国某实际系统...
解读: 该宽频振荡稳定性在线评估技术对阳光电源PowerTitan储能系统和SG系列光伏逆变器具有重要应用价值。文章提出的神经网络阻抗辨识方法可集成至iSolarCloud平台，实现ST储能变流器和光伏逆变器在不同工况下的实时阻抗特性监测，有效预警次同步/超同步振荡风险。该数据驱动与知识驱动融合的评估框架可...
基于ANN引导的NSGA-II优化在多联产太阳能系统中选择传热流体和相变材料
Ann-guided NSGA-II optimization for selecting heat transfer fluid and phase change material in a multigeneration solar energy-based system
Ali Ranjbar Hasan Barog · Sina Hosseini Rad · Morteza Taragh · Mahdi Moghim · Energy Conversion and Management · 2025年12月 · Vol.346
摘要 本研究探讨了针对Bandar Abbas气候条件定制的多联产能源系统中传热流体（HTFs）与相变材料（PCMs）的选择问题。该系统集成了抛物槽式集热器（PTCs）、热能储存（TES）以及高温有机朗肯循环（HTCORC）。在PTC和TES循环中评估了三种基于纳米流体的传热流体（TiO₂、Al₂O₃、CuO），同时为TES选用了两种相变材料（NaOH–NaCl 和 MgCl₂–KCl–NaCl）。对于HTCORC单元，则考虑了甲苯、苯和环戊烯作为工作流体。为了高效识别最优的HTF和PCM组合，...
解读: 该多目标优化研究为阳光电源储能系统选型提供方法论参考。文中ANN-NSGA-II算法可应用于ST系列PCS与PowerTitan储能系统的热管理优化,特别是相变材料(PCM)选择与纳米流体冷却方案设计。多准则决策技术(TOPSIS/VIKOR)可集成至iSolarCloud平台,实现储能电站全生命周...
基于机器学习与计算流体动力学的核电厂热能储存集成动态评估与优化
Dynamic Assessment and Optimization of Thermal Energy Storage Integration with Nuclear Power Plants Using Machine Learning and Computational Fluid Dynamics
Muhammad Faizan · Imran Afgan · Applied Energy · 2025年8月 · Vol.391
摘要 本研究利用相变材料（PCM）将热能储存（TES）系统与核电厂（NPPs）进行集成，采用计算流体动力学（CFD）模拟与机器学习技术，以提升核电厂的整体效率与盈利能力。本研究的创新性不仅在于分析PCM热物理特性、设计参数及输入条件对系统性能的影响，更在于开发一种可有效集成于核电厂的TES系统，解决包括输入参数的动态评估以及响应实时需求波动时对可用过剩能量的利用等关键挑战。为开展分析，共执行了2500组CFD模拟，用于评估垂直环形通道内相变行为。系统地分析了诸如传热流体注入条件和多种PCM特性等...
解读: 该研究的CFD仿真与机器学习优化方法对阳光电源ST系列储能系统具有重要借鉴价值。核心启示包括:1)动态评估技术可应用于PowerTitan储能系统的实时需求响应优化,提升削峰填谷效率;2)多目标遗传算法(MOGA)可用于优化PCS充放电策略,平衡充电时长与能量密度;3)ANN预测模型可集成至iSol...
集成多物理场建模与机器学习以提升质子交换膜水电解系统的效率与热管理
Integrating multiphysics modeling and machine learning for enhanced efficiency and thermal management in PEM water electrolyzer systems
Zilong Yanga · Jin Yangb · Haoran Sunb · Weiqun Liua 等6人 · Applied Energy · 2025年12月 · Vol.401
摘要 质子交换膜（PEM）水电解槽是实现可持续氢气生产的一项有前景的技术，然而在不同工况下优化其性能仍是一个关键挑战。本研究构建了一个优化问题，旨在考察关键操作参数（如入口流量Q_in和入口温度T_in）如何影响一个5 cm × 5 cm的PEM水电解槽的性能。目标是最大化系统效率、确保热安全性，并最小化辅助系统（BOP）的能耗。首先，提出了一种集管式直通道PEM水电解槽模型，该模型考虑了多物理场耦合效应，用以揭示入口温度和流量对氢气生产效率及BOP能耗的影响规律。随后，建立了用于提升系统性能的...
解读: 该PEM电解槽多物理场建模与机器学习优化技术对阳光电源氢能业务具有重要借鉴价值。研究中的热管理策略、效率优化方法可直接应用于ST系列储能变流器的热设计优化,通过ANN-PSO算法降低计算成本的思路可迁移至iSolarCloud平台的预测性维护模块。多物理场耦合仿真经验可支撑SiC器件在大功率电解系统...
基于机器学习和可解释人工智能的分布式智能电网可解释预测
Interpretable Prediction of a Decentralized Smart Grid Based on Machine Learning and Explainable Artificial Intelligence
Ahmet Cifci · IEEE Access · 2025年2月
分布式智能电网概念已成为高效管理和分配电能的可行方法。确保电网稳定性和可靠性，特别是在可再生能源集成和产消者数量增加的情况下，是该领域的主要挑战。本研究通过利用机器学习ML模型和可解释人工智能XAI技术预测分布式智能电网稳定性来应对该挑战。研究实施分布式智能电网控制DSGC概念的四节点星型网络，使用基于该网络仿真的数据集。对比十种ML模型包括AdaBoost、ANN、GBoost、k-NN、LR、NB、RF、SGD、SVM和XGBoost在预测电网稳定性方面的性能。采用XAI方法特别是SHAP和...
解读: 该智能电网稳定性预测技术对阳光电源虚拟电厂和智能电网解决方案有重要应用价值。阳光iSolarCloud平台管理分布式光伏储能资源，需要准确的电网稳定性预测。机器学习模型可集成到阳光平台的智能调度系统中，提前识别潜在稳定性风险。可解释AI技术SHAP可增强阳光智能决策系统的透明度和可信度。产消者管理是...
一种基于物理机理的SiC MOSFET与GaN HEMT变换器通用开关过程预测简易模型
A Simple and Physically Insightful Model for Generalized Switching Prediction of SiC MOSFET and GaN HEMT Based Converters
Christoph H. van der Broeck · Dennis Bura · Luis Camurca · IEEE Transactions on Industry Applications · 2025年4月
本研究提出了一种用于预测电力电子半桥中碳化硅（SiC）金属 - 氧化物 - 半导体场效应晶体管（MOSFET）和氮化镓（GaN）高电子迁移率晶体管（HEMT）开关瞬态的简单且具有物理洞察力的模型。所提出的模型具有混合结构：它将基于人工神经网络（ANN）的器件电流和电容预测与代表开关单元和栅极驱动电路主要寄生参数的状态空间模型相结合。基于人工神经网络的器件模型有助于以简单的模型结构来表征不同的器件，这一点通过碳化硅MOSFET和氮化镓HEMT得到了验证。该状态空间模型是基于开关单元的最新模型方程推...
解读: 该开关建模技术对阳光电源的高频化产品设计具有重要指导意义。模型可直接应用于SG350HX等1500V大功率光伏逆变器和PowerTitan储能变流器的SiC器件优化设计，提升开关频率和功率密度。通过准确预测开关损耗和EMI特性，可优化驱动电路和散热设计，提高产品可靠性。对车载OBC等对功率密度要求高...
三相串联端部绕组电压源逆变器的改进调制方法
Improved Modulation for Three-Phase Series-End Winding Voltage-Source Inverters
Zhi Chen · You Zhou · Feifan Guo · Christopher H. T. Lee · IEEE Transactions on Industrial Electronics · 2024年10月
为拓宽开放式绕组永磁同步电机（OEW - PMSM）驱动系统的调速范围并减少电力电子器件，本文采用了串联端绕组拓扑结构。提出了一种简化的调制策略。与空间矢量脉宽调制（SVPWM）相比，所提出的调制方法在ABC坐标系下计算四个桥臂的占空比。它避免了复杂的扇区识别和电压矢量分配计算，可简化控制器设计。串联端绕组拓扑结构的不对称性导致三相死区时间电压误差不对称。本文分析了死区时间的特性，并提出了一种新颖的死区时间补偿策略以消除电流谐波。采用自适应线性神经元（Adaline）神经网络（ANN）算法进行谐...
解读: 从阳光电源的业务视角来看，这篇论文提出的串联端绕组三相逆变器改进调制技术具有重要的参考价值，特别是在电动汽车驱动系统和储能变流器领域的应用潜力值得关注。 该技术针对开端绕组永磁同步电机驱动系统，通过串联端绕组拓扑结构实现了速度范围扩展和功率器件简化。这与阳光电源在储能PCS（储能变流器）和电动汽车...
一种基于等效辐照度与温度的光伏组件性能估算新方法
A Novel Method for Performance Estimation of PV Modules Using Equivalent Irradiance and Temperature
Jinlong Zhang · Zhenguang Liang · Yunpeng Zhang · Hai Zhou 等6人 · IEEE Journal of Photovoltaics · 2025年1月
光伏（PV）组件的发电量受多种环境因素影响，尤其是太阳辐照度和温度。然而，所测量的太阳辐照度并不能准确代表不同类型太阳能电池实际吸收的光强，所测量的温度也不能代表光伏组件中电池的实际温度。本文提出了等效辐照度和等效温度，并将其用于提高光伏组件输出性能估算的准确性。首先，利用具有收敛保证的粒子群优化算法对测量的I - V数据进行拟合，得到不同运行条件下的等效辐照度和等效温度。其次，通过人工神经网络（ANN）模型建立等效辐照度和等效温度与环境因素之间的关系。提出了两种具有不同输入向量的人工神经网络来...
解读: 该等效辐照度估算方法对阳光电源SG系列光伏逆变器和iSolarCloud智能运维平台具有重要应用价值。在辐照传感器故障或缺失场景下，可通过组件温度和环境参数反推等效辐照度，实现MPPT算法的持续优化和发电性能实时评估。该技术可集成到iSolarCloud平台的智能诊断模块，提升预测性维护能力，降低传...
通过神经网络方法加速钙钛矿太阳能电池的器件表征
Accelerating device characterization in perovskite solar cells via neural network approach
Xinhai Zhaoab1 · Chaopeng Huangae1 · Erik Birgersson · Nikita Suprun 等11人 · Applied Energy · 2025年8月 · Vol.392
摘要 钙钛矿太阳能电池是下一代高效光伏器件的有力候选者，尤其适合作为叠层结构中的顶部电池。基于物理机制的光电模型，我们采集了十万量级的大数据样本，用于训练神经网络模型，以高效预测器件性能和复合损耗。在数据准备、模型训练和神经网络优化过程中，分别采用了拉丁超立方采样、贝叶斯正则化和贝叶斯优化方法。最优的神经网络模型在预留的测试数据集上实现的均方误差低于4 × 10⁻⁴。神经网络的计算速度比传统光电模型快一千倍以上。因此，器件快速校准可在24秒内完成。显著降低的计算成本使得高效的器件表征、参数研究、...
解读: 该神经网络加速钙钛矿电池表征技术对阳光电源光伏逆变器产品线具有重要借鉴价值。研究采用的深度学习方法将器件仿真速度提升千倍以上,可应用于SG系列逆变器的MPPT算法优化和iSolarCloud平台的预测性维护功能。通过贝叶斯优化和敏感性分析快速标定器件参数的思路,可迁移至SiC/GaN功率器件的损耗分...
基于机器学习的有源中点钳位逆变器多目标自动设计案例研究
A Case Study of Multiobjective Automatic Design for Active Neutral Point Clamped Inverter Based on Machine Learning
Jianing Wang · Ruiyuan Wang · Zhicheng Gao · Feishuang Sun 等5人 · IEEE Transactions on Industrial Electronics · 2024年12月
传统的变流器设计遵循顺序流程，通常包括拓扑设计、调制设计、元件设计、性能设计及其内部迭代。这种方法严重依赖人工经验且耗时较长，尤其是对于采用宽禁带器件所强调的多目标设计而言，宽禁带器件的使用加剧了设计目标之间的冲突。计算机辅助虚拟样机方法，简称为建模与优化，仍然受到建模过程中数值计算耗时较长的阻碍，并且在优化过程中无法响应设计要求的变化。为应对这些挑战，本文提出了一种基于机器学习的电力变流器自动设计的高级概念，将基于人工神经网络（ANN）的建模与基于深度强化学习（DRL）的优化相结合。所提出的方...
解读: 从阳光电源的业务视角来看，这项基于机器学习的有源中点钳位（ANPC）逆变器多目标自动设计技术具有重要的战略价值。该技术突破了传统逆变器设计中拓扑-调制-器件-性能的串行迭代模式，通过结合人工神经网络建模和深度强化学习优化，能够在效率、体积、成本、电流纹波和共模噪声等多维目标间实现智能权衡，这正契合阳...
考虑电流限制、惯性和阻尼效应的构网型变流器暂态稳定性综合评估
Comprehensive Assessment of Transient Stability for Grid-forming Converters Considering Current Limitations, Inertia and Damping Effects
Jinlei Chen1Qingyuan Gong1Yawen Zhang1Muhammad Fawad1Sheng Wang2Chuanyue Li1Jun Liang1 · 中国电机工程学会热电联产 · 2025年1月 · Vol.45
本文定量评估了考虑电流限制、惯性和阻尼效应的构网型变流器暂态稳定性。首先，分析了电压跌落下受电流限制的变流器暂态稳定性，当跌落超过临界阈值时，系统出现失稳，其严重程度受摇摆方程中惯性和阻尼系数影响。其次，基于相平面模型方法，系统评估了惯性和阻尼对临界清除时间（CCT）与临界清除角（CCA）的影响，并利用相轨迹数据构建人工神经网络（ANN）模型实现CCT与CCA的精确预测。相比基于等面积准则的保守评估，该方法可延长故障下的实际运行时间，充分挖掘系统的低电压穿越（LVRT）与故障穿越（FRT）能力。...
解读: 该研究对阳光电源ST系列储能变流器和PowerTitan大型储能系统的构网型控制具有重要应用价值。文章提出的基于相平面和ANN的暂态稳定评估方法，可精确预测电流限制下的CCT/CCA，相比传统等面积准则更准确，能有效提升产品LVRT/FRT能力。该方法可直接应用于ST系列的虚拟同步机控制参数优化，通...
基于LSTM调优的深度学习型MPPT控制在5 kW太阳能电动汽车充电系统中的开发与实时验证
Development and Real‐Time Validation of Deep Learning‐Based LSTM‐Tuned MPPT Control for a 5 kW Solar‐Powered EV Charging System
Farha Khan · Hari Om Bansal · Dheerendra Singh · IET Power Electronics · 2026年1月 · Vol.19
本文提出一种基于LSTM网络的智能MPPT控制策略，用于太阳能驱动的5 kW电动汽车充电系统。该方法利用NASA/POWER气象数据训练模型，在MATLAB/Simulink仿真及OPAL-RT实时平台上验证，实现97.63%跟踪效率、0.21%低电流纹波和0.59 RMSE预测误差，性能优于INC、PSO和ANN。
解读: 该研究中LSTM驱动的MPPT算法可直接赋能阳光电源ST系列PCS及iSolarCloud平台的AI优化功能，提升光伏-储能-充电桩协同系统的动态响应与发电收益。建议将LSTM-MPPT模块集成至PowerStack光储充一体化解决方案，并在户用及工商业光储充场景中开展实证部署，强化阳光电源在智能微...
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3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...
基于多智能体强化学习的混合风电-氢能电站日前交易与功率控制
Day-ahead trading and power control for hybrid wind-hydrogen plants with multi-agent reinforcement learning
Stijn Allya · Timothy Verstraeten · Ann Nowéb · Jan Helsen · Applied Energy · 2025年12月 · Vol.401
摘要 海上风电场及混合风电-氢能电站在多个收益来源中获取收入，而每个来源均存在不确定性与权衡关系，因此最大化其整体盈利能力具有挑战性。由于电力通常在实际发电前进行交易，天气预报在电力交易策略中起着关键作用。此外，其他市场参与者交易与控制策略会影响公共电网的平衡，从而影响通过电网调频所能获得的收益。同时，电解槽的运行状态可能影响当前及近期的氢气生产潜力。为应对上述挑战，本文提出一种新颖的多智能体强化学习（MARL）方法，包含两个专门设计的强化学习（RL）智能体：一个负责日前电力市场交易，另一个负责...
解读: 该多智能体强化学习技术对阳光电源风储氢一体化系统具有重要应用价值。可应用于ST系列储能变流器与电解制氢设备的协同优化控制:日前交易智能体优化PowerTitan储能系统的电力市场竞价策略,实时控制智能体动态调节风电并网与电解槽功率分配。结合iSolarCloud平台的气象预测与市场数据,该MARL架...
提升太阳能电池板性能：一种基于机器学习的灰尘检测与自动化喷水清洁策略
Enhancing solar panel performance: A machine learning approach to dust detection and automated water sprinkle-based cleaning strategy
Salman Hossain · All Mumtahina Arik · Iffat Nowshin Fahim · Jamal Uddin 等7人 · Solar Energy · 2025年2月 · Vol.287
摘要 光伏（PV）组件由于灰尘积聚，其效率显著降低。为了以经济有效的方式最小化灰尘对光伏系统的影响，需要确定最优的清洁间隔。为实现该目标，可利用机器学习（ML）模型检测光伏组件上的灰尘水平是否超过预设阈值，从而在无需现场人工干预的情况下判断是否需要清洁面板。基于此目标，本研究分析了灰尘在孟加拉国对光伏系统的不利影响，并提出了一种基于机器学习分类的新型灰尘检测方法，进而开发了一套清洁系统。本文实现了多种机器学习分类器，并对其性能进行了评估，其中表现最优的人工神经网络（ANN）模型达到了98.11%...
解读: 该机器学习驱动的光伏清洁技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。研究证实灰尘导致效率损失可达14.87%,ANN模型98.11%的检测精度可集成至智能运维系统,结合MPPT优化算法实现发电量损失预警。建议将该分类模型嵌入iSolarCloud平台,通过逆变器实时功率...
规模、储热容量和热传输损失对利用聚光太阳能热能供应高温工业过程热的 techno-economics 影响
The effect of scale, storage capacity and thermal transmission losses on the techno-economics of supplying high-temperature industrial process heat with concentrated solar thermal energy
Leok Leea · Philip Ingenhovenab · Woei Sawab · Graham J.Nathana · Solar Energy · 2025年10月 · Vol.299
摘要 本文首次对利用聚光太阳能热能（CST）为工业过程提供高温热能进行了全面的技术经济性分析，该分析考虑了资源波动性，并涵盖了整个系统的各个方面，包括太阳能输入热功率规模、储热系统以及热传输管道。在当前系统中，选择空气作为传热流体（HTF），以便于对现有氧化铝厂进行改造；尽管未来系统可通过采用其他介质进一步降低成本。成本估算基于澳大利亚首套同类系统（FOAK）的当前建设成本，尚未计入学习率带来的成本下降效应。即便如此，估计聚光太阳能的能源成本约为27美元/GJ。此项针对采用聚光太阳能热技术（CS...
解读: 该研究聚焦光热储能与工业高温热能供应,对阳光电源储能系统具有重要参考价值。其热储能容量优化、传输损耗控制及经济性分析方法,可借鉴至ST系列储能变流器和PowerTitan系统的容量配置优化中。特别是其多参数协同优化思路(规模、储能容量、传输效率),与阳光电源工商业储能解决方案的系统级优化设计理念高度...
第 2 / 2 页