找到 22 条结果
源网荷储一体化基地中基于动态特性的AA-CAES与电池混合储能系统容量优化策略
Dynamic Characteristics-Based Capacity Optimization Strategy for Hybrid AA-CAES and Battery Storage Systems in Source-Grid-Load-Storage Integrated Base
Jiahua Ni · Yuwei Chen · Arman Goudarzi · Tong Wang 等6人 · IEEE Access · 2025年3月
先进绝热压缩空气储能AA-CAES响应速度慢，难以应对风光快速波动。本文提出将AA-CAES与电池混合配置的容量优化策略，将AA-CAES动态特性纳入成本最小化模型。案例研究表明，CAES-锂电混合储能系统相比传统锂电配置实现30-45%的年化成本降低，通过提高效率和降低技术成本可进一步优化。该策略适用于新能源基地大规模长时储能配置。
解读: 该混合储能容量优化策略与阳光电源储能系统解决方案高度契合。阳光ST系列储能变流器可与压缩空气储能等长时储能技术联合运行，实现快慢储能互补。阳光iSolarCloud平台具备混合储能优化调度能力，可根据新能源出力和负荷需求动态分配不同储能系统出力，实现成本最优和性能最优的平衡，提升源网荷储一体化项目经...
基于卫星图像纹理特征与迁移学习的区域光伏功率预测优化高效方法
An efficient approach for regional photovoltaic power forecasting optimization based on texture features from satellite images and transfer learning
Yang Xi · Jianyong Zheng · Fei Mei · Gareth Taylor 等5人 · Applied Energy · 2025年5月 · Vol.385
准确高效的区域光伏发电功率预测对于提升光伏电力供应的稳定性并扩大其市场份额至关重要。近年来的研究进展已将卫星与地面观测数据的特征相结合，基于混合神经网络的模型展现出优异的预测性能。然而，仍存在若干挑战：直接从卫星图像中提取的空间特征往往缺乏细节，且大多数现有预测方法需要大量电力数据样本。因此，在云量变化速率较高的情况下，预测精度易受相位滞后的影响，同时由于区域光伏装置数量庞大且分布分散，计算负担也显著增加。为解决上述问题，本研究提出一种创新的时空特征，该特征将从卫星图像重构的纹理特征（TFs）与...
解读: 该区域光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过卫星图像纹理特征与迁移学习结合,可显著提升SG系列逆变器集群的功率预测精度(RMSE提升72%)并降低相位滞后,特别适用于分布式光伏电站管理。该算法计算效率提升10倍,可与ST储能系统协同优化充放电策略,减少云层...
第 2 / 2 页