找到 2 条结果
基于深度学习的光伏系统健康监测
Deep Learning-Based Health Monitoring for Photovoltaic Systems
Khaled Alnuaimi · Ameena Saad Al-Sumaiti · Mohamad Alansari · Huai Wang 等5人 · IEEE Journal of Photovoltaics · 2025年5月
向光伏（PV）系统等可再生能源转型对于社会进步至关重要，有助于抵消化石燃料的负面影响。然而，管理光伏系统面临着重大挑战和经济影响。光伏故障一旦发生，需要迅速检测和解决，这会加重经济负担。有效的故障诊断在很大程度上依赖于光伏电站监测和能源管理系统的数据。过去，光伏监测主要依靠人工检查，但无人机（UAV）技术提供了一种更高效、更全面的解决方案，它提高了安全性，能提供详细的图像、具备可扩展性、可进行环境监测以及开展先进的数据分析。本研究利用深度学习（DL）方法对光伏系统的健康状况进行监测，重点分析无人...
解读: 该深度学习健康监测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。LSTM时序建模方法可直接集成至SG系列光伏逆变器的智能诊断模块，通过分析MPPT工作曲线、直流侧电压电流等运行数据，实现组件热斑、遮挡、PID效应等故障的早期预警。对于PowerTitan大型储能系统，该技术可监测...
基于有效预测控制算法的并网风电PMSG性能增强
Performance Enhancement of a Grid Connected Wind Turbine-Based PMSG Using Effective Predictive Control Algorithm
Mahmoud A. Mossa · Rasha A. Mohamed · Ameena Saad Al-Sumaiti · IEEE Access · 2025年1月
本文设计一种有效控制方法以增强并网永磁同步发电机的动态性能。所提控制方法基于预测控制和反步理论的优势制定。与矢量控制、预测电流控制、基于PI的预测电压控制和基于无差拍理论的预测电压控制进行综合对比分析。结果表明,所提控制器通过保持低纹波和电流谐波、更快动态响应和降低计算负担,显著改善了发电机动态性能。
解读: 该预测控制技术可应用于阳光电源风电变流器的控制系统优化。通过先进的预测控制算法,提升永磁同步风电机组的并网性能和动态响应,降低电流谐波和纹波,提高发电效率和电网友好性,为大型风电场提供高性能变流器解决方案。...