找到 4 条结果
采用Cl-SnO2的上相干界面层用于改善电荷动力学及高效反式钙钛矿光伏器件
Upper coherent interlayers using Cl-SnO2 for improved charge dynamics and efficient inverted perovskite photovoltaics
Xiangyang Liu · Xinsheng Liu · Haoqi Guan · Junhao Liang 等6人 · Applied Physics Letters · 2025年1月 · Vol.126
本研究报道了一种基于氯掺杂二氧化锡（Cl-SnO2）的上相干界面层策略，用于高效反式钙钛矿太阳能电池。该界面层位于钙钛矿与空穴传输层之间，显著提升了界面能级匹配性，有效抑制了非辐射复合，增强了电荷提取与传输能力。结果表明，引入Cl-SnO2界面层后，器件实现了更高的开路电压和填充因子，光电转换效率显著提升至23.5%以上，且具有优异的湿度稳定性。该方法为优化反式器件中电荷动力学提供了新思路。
解读: 该Cl-SnO2上相干界面层技术对阳光电源SG系列光伏逆变器的组件适配性优化具有重要参考价值。研究中23.5%以上的转换效率提升和优异的湿度稳定性，可直接应用于高效组件的MPPT算法优化，提升系统发电量。界面层改善的电荷提取与传输特性，为逆变器在弱光和高温环境下的效率曲线优化提供理论支撑。此外，该技...
风电功率预测中若干关键过程的综述：数学表达、科学问题与逻辑关系
Review of several key processes in wind power forecasting: Mathematical formulations, scientific problems, and logical relations
Mao Yang · Yutong Huang · Chuanyu Xu · Chenyu Liu 等5人 · Applied Energy · 2025年1月 · Vol.377
摘要 风电功率预测（WPF）是大规模风电场并网运行下电力系统调度的关键技术。随着特征信息的不断丰富和计算机科学的发展，相关研究大量涌现。本文综述了特征挖掘方法和最新的预测模型结构，旨在为该领域提供最新的研究视角。文章将WPF过程方法划分为时频域分析、特征工程和预测器结构三个部分。首先，总结了各部分的整体与详细数学表达式，以提供更具普适性的WPF过程方法研究框架。特别地，在每一部分中，创新性地基于典型科学问题梳理了最新模型之间的逻辑关系。此外，本文还归纳了六种解决关键科学或工程问题的前沿预测器结构...
解读: 该风电功率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。多源数据融合与时频域分析方法可优化储能系统的充放电策略,提升风储协同控制精度。特征工程与预测模型可集成至iSolarCloud平台,实现预测性维护与智能调度。文中提出的数据质量与可解释性挑战,与阳光电源GF...
极端天气下的风电功率预测：一种新型少样本学习架构
Wind Power Forecasting Under Extreme Weather: a Novel Few-Shot Learning Architecture
Chuanyu Xu · Shichang Cui · Lishen Wei · Bangxian Zhu 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
针对极端天气下基于神经网络的风电功率预测面临的样本稀缺、常规与极端天气间领域偏移及跨极端条件泛化困难等问题，提出一种新型少样本学习架构。通过引入跨任务元训练的迁移学习策略，降低对样本量的需求并提升跨域泛化能力；设计轻量级参数层以平衡浅层与深层网络的欠拟合与过拟合问题，减少可训练参数并缓解分布偏移；构建跨域风险最小化损失函数，利用二阶梯度提升模型在多样极端条件下的鲁棒性与一致性。基于真实风电场数据的实验表明，该方法显著优于基准模型，在nRMSE和nMAE指标上分别降低2.05%–43.55%和0....
解读: 该少样本学习架构对阳光电源的储能和风电产品线具有重要应用价值。首先可应用于ST系列储能变流器的功率预测与调度优化,提升储能系统在极端天气下的调度效率。其次可集成到iSolarCloud平台,增强风储联合运行的智能预测能力。该技术的跨域迁移学习策略和轻量级参数设计,可优化阳光电源现有的电力预测算法,提...
基于趋势分类与空间信息集成模型的日前风电场群功率预测
Day-ahead wind farm cluster power prediction based on trend categorization and spatial information integration model
Mao Yang · Yuxi Jiang · Chuanyu Xu · Bo Wang 等6人 · Applied Energy · 2025年1月 · Vol.388
摘要 随着风电产业的快速发展和风电装机容量的不断增加，影响发电量的因素在时间和空间上呈现出高度耦合的关系，这给风电场群功率预测（WFCPP）带来了极大的挑战。为解决这一问题，本文提出了一种考虑风电集群趋势聚合特性与空间信息集成（SII）的区域风电功率预测（WPP）精度提升方法。首先，引入一种考虑空间特征的趋势聚类方法以实现集群划分。该方法采用静态分区策略应对持续随机变化的动态环境，削弱了风速空间离散性对集群划分的影响。其次，深入挖掘多个风电场群（WFC）之间的多维时空耦合特性，并构建了融合时空信...
解读: 该风电集群功率预测技术对阳光电源储能系统具有重要应用价值。通过趋势聚类和空间信息融合,可显著提升区域风电预测精度(RMSE降低2.07%),为ST系列PCS和PowerTitan储能系统提供更精准的充放电调度依据。其时空耦合特征挖掘方法可集成至iSolarCloud平台,优化风储协同控制策略,配合G...