找到 4 条结果
Corrigendum to “An artificial intelligence approach to predict energy parameters in a photovoltaic-thermal system within a greenhouse” \[Sol. Energy 295 (2025) 113544\
Corrigendum to “An artificial intelligence approach to predict energy parameters in a photovoltaic-thermal system within a greenhouse” \[Sol. Energy 295 (2025) 113544\
Sabour Shoja Poura · Ali Motevali · Seyed Hashem Samadi · Azadeh Ranjbar Nedamani 等6人 · Solar Energy · 2025年1月 · Vol.298
[Corrigendum - 勘误文章，对已发表文章的修正或更正，无独立摘要]
基于数据驱动与非线性灵敏度函数的配电网光伏承载力研究
Research on PV Hosting Capacity of Distribution Networks Based on Data-Driven and Nonlinear Sensitivity Functions
Le Su · Xueping Pan · Xiaorong Sun · Jinpeng Guo 等5人 · IEEE Transactions on Sustainable Energy · 2024年9月
电压计算对评估光伏承载力至关重要，但中压配电网精确参数与拓扑结构难以获取，导致传统潮流方法失效。为此，本文提出一种融合数据驱动与非线性函数的混合方法。首先，利用历史数据构建深度神经网络模型，实现潮流与电压-功率灵敏度的映射，降低计算耗时并提升精度；其次，基于潮流方程推导功率对电压的四阶泰勒展开式，用于外推光伏接入后超出历史范围的节点电压；最后，采用麻雀搜索算法求解光伏承载力。在IEEE 33和IEEE 69系统上的仿真验证了该方法在电压与承载力计算中的准确性。
解读: 该数据驱动的光伏承载力评估技术对阳光电源SG系列光伏逆变器和iSolarCloud云平台具有重要应用价值。文章提出的深度神经网络潮流计算与非线性灵敏度分析方法，可直接集成到iSolarCloud智能运维平台，实现配电网光伏接入容量的快速评估与动态监测。对于SG逆变器的并网控制策略，该方法可基于历史运...
并网逆变器跟网与构网控制之间无缝切换方法
Seamless Switching Method Between Grid-Following and Grid-Forming Control for Renewable Energy Conversion Systems
Xian Gao · Dao Zhou · Amjad Anvari-Moghaddam · Frede Blaabjerg · IEEE Transactions on Industry Applications · 2024年10月
与脱碳工作相一致，全球对风能和太阳能等可再生能源产生了广泛兴趣，这些能源通过并网逆变器接入电网。从传统的基于同步发电机的电力系统向基于电力电子设备的电力系统转变，由于可再生能源输出的随机性和间歇性，增加了系统的复杂性。因此，并网逆变器需要动态调整其控制策略，以应对外部电网条件的变化，并确保高可靠性。然而，这种转变可能会导致控制回路（如功率回路或电压回路）发生突变，进而引起电压和电流畸变，可能危及安全运行。为解决这一问题，本文提出了一种在并网模式下实现跟网（GFL）控制和构网（GFM）控制之间平滑...
解读: 从阳光电源的业务视角来看，这项GFL与GFM无缝切换技术具有重要的战略价值。当前我们的光伏逆变器和储能变流器产品正面临电网形态转变带来的挑战——随着新能源渗透率提升，传统同步发电机占比下降，电网支撑能力减弱。该技术通过实现跟网型和构网型控制的动态切换，能够显著增强我们产品在弱电网环境下的适应性和稳定...
一种基于人工智能预测温室环境中光伏-热系统的能量参数的方法
An artificial intelligence approach to predict energy parameters in a photovoltaic-thermal system within a greenhouse
Shojapour Pour · Ali Motevali · Seyed Hashem Samadi · Ranjbar-Nedamani Nedamani 等6人 · Solar Energy · 2025年1月 · Vol.295
摘要 农业各个领域日益增长的能源需求，尤其是在温室设施中，迫切需要探索可行的解决方案。利用可再生能源，并结合人工智能（AI）技术对能耗数据进行预测与分析，为应对这一挑战提供了有前景的途径。本研究采用多种机器学习模型，针对基于纳米流体（Al2O3、SiO2、Al2O3-SiO2）的光伏-热系统，在温室内外环境下对其能量参数（如输出功率、电效率、热效率和总效率）进行预测。建模过程采用了时延神经网络（TDNN）、多层感知机（MLP）以及非线性自回归（NARX）方法，并引入了对数激活函数。不同能量参数的...
解读: 该研究对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要价值。NARX神经网络预测光伏系统能效参数(R²=0.9979)的方法,可集成至我司智能运维平台,实现MPPT算法优化和发电效率预测性维护。纳米流体光热系统的AI建模思路,可应用于户用光伏热电联供场景,提升SG系列逆变器在农业光伏...