找到 748 条结果
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1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...
考虑颗粒再悬浮行为的含尘风流经光伏组件时颗粒沉积与发电效率降低的研究
Investigation of particle deposition and power efficiency reduction of dust-laden wind flow over photovoltaic modules considering particle resuspension behaviors
Huiquan Liu · Hao Luab · Wenjun Zhaoc · Zunshi Han 等5人 · Solar Energy · 2025年1月 · Vol.296
摘要 近年来，太阳能作为一种关键的可再生能源，在全球范围内得到了广泛应用。然而，灰尘颗粒在光伏（PV）组件表面的沉积会降低发电效率，特别是在易积尘地区尤为显著。为了更深入地理解颗粒沉积与再悬浮的行为特征，本研究建立了一种耦合计算流体动力学–离散元方法（CFD-DEM）的多物理场模型。该模型综合考虑了颗粒的沉积与再悬浮过程，能够捕捉包括碰撞、滚动、滑动、反弹以及再悬浮在内的颗粒动力学行为。研究探讨了风速U<sub>Hp</sub>、颗粒直径d<sub>p</sub>和组件倾角θ对再悬浮率及其对光伏...
解读: 该研究揭示了光伏组件灰尘沉积与再悬浮机理,对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要价值。研究发现140°倾角、5.2m/s风速下100-300μm颗粒再悬浮率达99.7%,功率损失恢复率达99.6%。可应用于:1)优化MPPT算法,基于环境参数动态补偿灰尘损失;2)增...
光伏玻璃在粤港澳大湾区高层办公建筑中热-光-电性能的理论-实验-模拟研究
Theoretical-experimental-simulation research on thermal-daylight-electrical performance of PV glazing in high-rise office building in the Greater Bay Area
Zhongjie Pan · Jia Liu · Huijun Wu · Diqian Luo 等5人 · Applied Energy · 2025年1月 · Vol.378
建筑一体化光伏（BIPV）技术因其能够在高密度城市中充分利用有限的建筑面积进行可再生能源发电，展现出广阔的应用前景。本研究提出了一种碲化镉半透明光伏玻璃（CdTe SPVG）的瞬态传热模型，并通过现场实验验证其传热过程。动态实验还测试了CdTe SPVG与传统中空玻璃（IGU）在试验建筑上的热-采光-发电性能。基于实验建立了模拟模型，进一步探讨CdTe SPVG在粤港澳大湾区一栋实际高层办公建筑中的全年能耗表现，并与单层玻璃（SG）、IGU以及CdTe半透明光伏真空玻璃（SPVVG）进行对比分析...
解读: 该碲化镉半透明光伏玻璃(CdTe SPVG)在粤港澳大湾区高层建筑的BIPV应用研究,对阳光电源SG系列组串式逆变器及智慧能源管理方案具有重要参考价值。研究显示SPVG年发电量可占建筑能耗15.81%,减碳421.87吨,验证了建筑光伏一体化的经济性。阳光电源可结合该热-光-电耦合模型,优化SG逆变...
通过重新定义的三维J积分对低周热疲劳下功率模块的先进可靠性评估方法
Advanced Reliability Assessment Approach of Power Modules Under Low-Cycle Thermal Fatigue Through Redefined 3-D J-Integral
Jaejin Jeon · Sang Won Yoon · IEEE Transactions on Components, Packaging and Manufacturing Technology · 2024年12月
功率模块是电动汽车和可再生能源系统等核心应用中的关键组件。然而，高性能功率模块通常会产生大量热量或经历较大的热波动，导致其焊料层出现严重的热疲劳。这种疲劳会威胁到模块的可靠性并缩短其使用寿命。传统上，这些现象是通过应力和应变测量来分析的，但这些基于力的方法往往无法准确预测焊料裂纹的萌生和扩展。为解决传统方法的局限性，本研究聚焦于一个名为 J 积分的断裂力学参数。具体而言，在各种改进版本的 J 积分中，本研究首次提出应用重新定义的 J 积分，即三维 <inline-formula xmlns:mm...
解读: 作为全球领先的新能源设备制造商，阳光电源的光伏逆变器、储能变流器等核心产品均高度依赖功率模块的可靠性。这些产品在实际运行中面临剧烈的热循环冲击——光伏逆变器需应对昼夜温差和负载波动，储能系统则承受频繁充放电导致的温度变化。功率模块焊料层的热疲劳失效是导致产品故障的主要原因之一，直接影响系统的25年以...
一种新颖的数据驱动多步风功率点-区间预测框架，集成基于滑动窗口的双层自适应分解与多目标优化以平衡预测精度与稳定性
A novel data-driven multi-step wind power point-interval prediction framework integrating sliding window-based two-layer adaptive decomposition and multi-objective optimization for balancing prediction accuracy and stability
Xiwen Cui · Xiaoyu Yuab · Haowei Niu · Dongxiao Niu 等5人 · Applied Energy · 2025年1月 · Vol.397
摘要 风能对大规模并网和实现碳中和至关重要，因此需要准确且稳定的预测方法来应对风电数据固有的随机性和复杂耦合特性。本研究提出了一种创新的数据驱动型点-区间预测框架，旨在克服现有模型仅关注预测精度而忽略预测所需稳定性的局限性，从而减少由此带来的不确定性。该框架首先引入异常值处理机制，并采用一种新的基于滑动窗口的双层自适应分解策略，在避免信息泄露的同时将风电数据分解为规律性子序列。随后通过Lempel-Ziv复杂度分析对这些子序列进行分类，以最小化计算冗余。进一步地，有针对性地部署先进模型——包括倒...
解读: 该多目标优化风电预测框架对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。其点-区间预测方法可显著提升储能系统充放电策略的准确性与稳定性,MAE降低27-58%为iSolarCloud平台的预测性维护提供可靠的不确定性量化能力。多层自适应分解策略可集成至GFM/GFL控制算...
带电条件下光伏火灾灭火最小安全距离的建模与计算方法
Modelling and calculation method of minimum safety distance for photovoltaic fire extinguishing under energized conditions
Yue Wang · Shouxiang Wang · Qianyu Zhao · Wang Zhang · Solar Energy · 2025年1月 · Vol.288
摘要 尽管光伏发电被广泛认为是一种清洁且可再生的能源，但它也增加了建筑物火灾风险以及潜在的结构损坏。光伏组件持续输出的高电压直流电（DC）在消防作业过程中带来了显著的电击风险。水作为一种成本低廉且高效的灭火剂，常用于扑灭光伏系统火灾。然而，使用水灭火存在电流通过水流传播的风险，从而增加电击发生的可能性。目前现有模型所涵盖的光伏组件电流水平、灭火距离、以及所用水枪的流量和压力范围相对有限，尤其缺乏针对更高电流水平和大流量水枪的有效安全距离计算模型。为解决现有模型与实际工况之间的差异，本研究旨在分析...
解读: 该光伏消防安全距离模型对阳光电源SG系列逆变器及大型地面电站具有重要应用价值。研究揭示的高压直流电击风险为我们的1500V系统设计提供安全参考依据。建议在iSolarCloud平台集成火灾预警模块,结合逆变器快速关断技术和直流拉弧检测算法,实现故障时自动降压或断电。针对大型储能系统PowerTita...
光伏驱动电解水制氢系统用于可持续氨生产的性能分析：季节性与区域性评估
Performance analysis of a photovoltaic-driven hydrogen electrolyzer system for sustainable ammonia production: Seasonal and regional assessment
Mohamed Hamdi · Souheil El Alimi · Energy Conversion and Management · 2025年1月 · Vol.326
绿色氨是一种比传统高能耗且依赖化石燃料工艺更清洁的替代方案。然而，有效整合光伏发电系统、电解槽和氨合成反应器等组件仍是一项挑战，显著影响氨的生产成本。此外，可再生能源固有的间歇性也会影响电解槽和氨合成过程的持续稳定运行。本研究建立了瞬态系统仿真（TRNSYS）模型，用于评估一套24 kWp光伏驱动的碱性电解水系统耦合单程哈伯-博世反应器（转化效率为15.55%）在不同地理位置下的运行性能，特别聚焦于突尼斯地区。该模型包含电力调节单元和变工况控制器，能够在太阳辐射波动的情况下实现稳定高效的运行。研...
解读: 该光伏制氢-绿氨系统研究对阳光电源具有重要战略价值。SG系列光伏逆变器可通过MPPT优化应对太阳能波动,ST系列储能PCS可平抑间歇性供电问题,确保电解槽稳定运行。研究揭示的功率调节单元需求与我司三电平拓扑、SiC器件技术高度契合。iSolarCloud平台可集成氢储、氮储及反应器负荷优化算法,提升...
基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法在电力终端多标签识别中的应用
Electricity terminal multi-label recognition with a “one-versus-all” rejection recognition algorithm based on adaptive distillation increment learning and attention MobileNetV2 network for non-invasive load monitoring
Linfei Yin · Nannan Wang · Jishen Li · Applied Energy · 2025年1月 · Vol.382
随着分布式可再生能源接入智能电网，分布式系统及新能源发电的不确定性严重影响了电网的稳定运行。需求侧管理是解决分布式用电问题的有效手段，因此监测接入系统负荷类型已成为当前研究热点。负荷监测包括侵入式负荷监测（ILM）和非侵入式负荷监测（NILM）。目前，NILM缺乏增量学习能力且识别准确率较低。为此，本文提出一种基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法用于电力终端多标签识别（ET-MR “OVA” RR-ADIL-AMN）。该算法融合了多标签识别与“一对所...
解读: 该非侵入式负荷监测技术对阳光电源智慧能源管理系统具有重要价值。可集成至iSolarCloud平台实现用电侧精细化管理:在储能系统(ST系列PCS/PowerTitan)中应用该多标签识别算法,可精准识别并网负荷类型,优化充放电策略;结合分布式光伏(SG系列逆变器)场景,通过增量学习动态适应新接入设备...
第 38 / 38 页