找到 25 条结果
高性能热管理材料：被动辐射冷却与潜热存储能力的协同集成
High-performance thermal management materials: Synergistic integration of passive radiative cooling and latent heat storage capabilities
Wentao Zhang · Xingchi Jiang · Zhu Cheng · Wenxin Hu 等5人 · Energy Conversion and Management · 2025年11月 · Vol.344
摘要 辐射冷却（RC）是一种可持续的零能耗冷却技术，通过热辐射将热量散发至外太空，实现自发冷却，具有广阔的发展潜力。然而，辐射冷却材料（RCMs）的性能受到天气变化和冷却能力有限的制约，限制了其在多样化热管理需求中的应用。为克服这些局限性，本研究提出一种创新的热管理材料（TMM），该材料协同集成了辐射冷却与潜热存储功能，能够实现高效的热辐射、能量存储以及动态温度调节。其中，RC模块在白天和夜间均可被动地向外太空发射热辐射，确保持续冷却；相变材料（PCM）模块则吸收RC过程中多余的冷量，防止过度冷...
解读: 该辐射冷却与相变储热协同技术对阳光电源储能系统热管理具有重要价值。ST系列PCS和PowerTitan储能柜在高功率运行时面临散热挑战,该技术可实现零能耗被动冷却并通过PCM模块平抑温度波动,延长冷却时效252分钟。特别适用于户外储能柜和充电站设备,可降低主动冷却能耗20%以上,提升系统全天候热稳定...
面向大负载波动质子交换膜燃料电池系统的控制导向热管理策略
Control-oriented thermal management strategies for large-load fluctuation PEM fuel cell systems
Yuhan Li · Zhifeng Zheng · Yangge Guo · Xiaojing Cheng 等8人 · Applied Energy · 2025年8月 · Vol.392
摘要 热管理控制对质子交换膜燃料电池（PEMFC）的性能与耐久性具有重要意义。在大负载波动工况下，由于系统具有强非线性和时变时滞特性，热管理控制面临巨大挑战。为此，本文采用串级内模控制（IMC）方法，结合电流前馈控制，以提升宽范围负载变化下的跟踪性能及对时滞扰动的鲁棒性，同时降低系统时滞影响。此外，提出了一种针对恒温器和风扇的双内环串级IMC结构，以进一步增强系统鲁棒性，并引入改进型Smith预估器以改善时滞扰动的抑制能力。首先通过阶跃响应测试和白噪声扰动测试分别评估所提出控制策略的响应速度与鲁...
解读: 该燃料电池热管理控制技术对阳光电源氢能业务拓展具有重要参考价值。文中提出的级联内模控制(IMC)与电流前馈结合策略,可应用于公司充电桩及储能系统的热管理优化,特别是ST系列PCS在大功率波动场景下的温控精度提升。双内环级联IMC与改进Smith预估器的鲁棒性设计思路,可借鉴至SG逆变器的宽温度范围运...
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10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...
符合概率分布的物理约束风力发电预测方法：面向抗噪深度学习
Physics-constrained wind power forecasting aligned with probability distributions for noise-resilient deep learning
Jiaxin Gao · Yuanqi Cheng · Dongxiao Zhang · Yuntian Chen · Applied Energy · 2025年4月 · Vol.383
摘要 风电作为关键的可再生能源之一，在实现碳中和目标中发挥着重要作用。然而，由于风速预测数据具有高噪声特性，风力发电功率的准确预测面临挑战，这会降低预测的精度与鲁棒性。为解决这一问题，本文提出一种理论引导（即物理约束）的深度学习风力发电预测方法（TgDPF）。TgDPF将表征风电功率概率分布的风电功率曲线领域知识，与长短期记忆网络（LSTM）深度学习模型相结合。该融合机制确保模型输出与风电功率的概率分布保持一致，遵循物理约束条件，从而增强对噪声的抵抗能力。因此，TgDPF是一种典型的物理约束建模...
解读: 该物理约束深度学习风电预测技术对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过融合风电功率曲线概率分布与LSTM模型,在高噪声环境下预测精度提升24.7%-73.9%,可显著优化储能系统的充放电策略与能量管理。该方法的抗噪声特性与物理约束思想可迁移至iSolarClo...
结合MPC与深度强化学习的燃料电池/电池混合能源系统新型能量管理策略
Novel energy management strategy for fuel cell/battery hybrid energy systems combining MPC and deep reinforcement learning
Shengnan Liu · Hangyu Cheng · Seunghun Jung · Young-Bae Kim · Energy Conversion and Management · 2025年10月 · Vol.341
摘要 本文提出了一种新型的能量管理策略（EMS），用于燃料电池/电池混合能源系统，该策略通过将模型预测控制（MPC）与深度强化学习（DRL）相结合实现。所提出的EMS充分利用了MPC与DRL各自的优势，有效缓解了由于模型不确定性导致的MPC性能下降问题，同时加速了DRL的收敛过程，并增强了其对未预见工况的适应能力。具体而言，本研究首先建立了包含各部件退化特性的燃料电池/电池混合能源系统的动态模型，在此基础上构建相应的MPC模型。MPC作为基础控制器，利用线性化模型确保系统的稳定性及约束条件的满足...
解读: 该MPC与深度强化学习融合的能源管理策略对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。通过MPC保障系统稳定性与约束遵循,DRL优化长期决策,可显著降低燃料电池衰减51.43%并减少系统运行成本4.45%。该混合控制架构可应用于阳光电源多能互补储能系统,特别是氢储能与电池储...
第 2 / 2 页