找到 6 条结果
采用DDQ嵌套线圈的单输入双输出无线功率与信息传输系统用于电机驱动
A Single-Input Dual-Output Wireless Power and Information Transfer System Using DDQ Nested Coils for Motor Drives
Xuxing Duan · Guangyu Yan · Jinliang Huang · Jie Qiu 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
本文提出了一种新型无线功率与信息传输（WPIT）系统，可直接驱动无刷直流电机，解决恶劣环境下供电不安全和通信失效的问题。通过DDQ嵌套线圈和双通道电路拓扑，该系统利用单一逆变器在基波和三次谐波通道同时传输高、低功率，分别驱动电机及电机控制器，并在三次谐波通道中同步传输控制信息，无需额外通信装置。实验搭建了192W样机，实现副边电机供电及12V恒压输出。系统信息传输速率达166kbps，DC-DC效率达90%，仿真与实测结果验证了方案的有效性。
解读: 该DDQ嵌套线圈无线功率与信息传输技术对阳光电源新能源汽车产品线具有重要应用价值。其单逆变器双通道传输架构可借鉴至车载OBC充电机设计，通过基波和谐波通道同时实现主功率传输与辅助电源供电，简化电路拓扑。无线功率信息同步传输方案可应用于充电桩产品，解决恶劣环境下接触式充电的安全隐患，特别适合矿山、港口...
将季内振荡与数值天气预报结合用于15天风电功率预测
Integrating Intra-Seasonal Oscillations With Numerical Weather Prediction for 15-Day Wind Power Forecasting
Shuang Han · Weiye Song · Jie Yan · Ning Zhang 等6人 · IEEE Transactions on Power Systems · 2025年2月
延长风电功率预测（WPF）的时间尺度对于以可再生能源为主的电力系统的电网管理和市场运营至关重要。然而，风电功率预测对数值天气预报（NWP）的高度依赖带来了巨大挑战。基于短期数据的数值天气预报迭代运算会放大其固有的不确定性，导致其超过10天的预报精度降低。为解决这一问题，引入季节内振荡（ISO）来捕捉更长期、更大尺度的气象模式，进而提出了用于15天风电功率预测的ISO - NWP集成框架。首先，开发了一个遥相关（TC）的历史时空定位模型，该模型在季节内振荡的影响下关联远距离的天气变化和风电功率波动...
解读: 该研究对阳光电源的风电变流器和储能系统具有重要应用价值。通过融合季内振荡预测与数值天气预报的混合建模方法，可显著提升风电功率预测精度，这对我司ST系列储能变流器的调度策略优化和PowerTitan储能系统的容量配置具有直接指导意义。具体而言，可将该预测算法集成到iSolarCloud平台，优化储能调...
基于深度强化学习的考虑动态风的风电场流动控制
Deep reinforcement learning-driven wind farm flow control considering dynamic wind
Hangyu Wang · Shukai He · Jie Yan · Shuang Han 等5人 · Energy Conversion and Management · 2025年1月 · Vol.337
摘要 克服由尾流效应引起的功率损失对于提高运行中风电场的效率至关重要。风电场流动控制是实现这一目标的关键方法。然而，包括风速和风向变化在内的动态风况以及环境不确定性，给有效的流动控制带来了重大挑战。为应对这些挑战，本文提出了一种基于深度强化学习并考虑动态风的风电场流动控制方法。首先，从LiDAR测量数据中提取动态风波动特征，构建了全面的数据集。随后，开发了一种以动态风作为输入、通过偏航角调整最大化风电场输出功率的流动控制方法。最后，引入双延迟深度确定性策略梯度（Twin Delayed Deep...
解读: 该深度强化学习风电场流控技术对阳光电源储能系统具有重要借鉴价值。TD3算法的实时优化与在线学习机制可应用于ST系列PCS的动态功率调度,通过经验回放处理新能源波动不确定性。动态风况建模思路可迁移至PowerTitan储能系统,结合iSolarCloud平台实现风光储协同控制,优化多能互补场景下的功率...
一种用于低风力发电预测的自监督预学习方法
A Self-Supervised Pre-Learning Method for Low Wind Power Forecasting
Weiye Song · Jie Yan · Shuang Han · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
随着风电在电力系统中占比提升，其出力间歇性导致的低功率风险日益突出，准确预测低风力发电对缓解电力短缺至关重要。然而，由于低风速事件稀少，传统方法面临样本不足难题，制约了预测精度提升。为此，本文提出一种自监督预学习方法，通过挖掘低出力样本间的相似性与差异性，分别预测低风力发电事件（LWPE）的发生时段和低风力发电过程（LWPP）的功率序列。针对LWPE预测，设计基于对比学习的孪生残差收缩网络，利用样本对进行特征预学习以缓解样本不平衡；对于LWPP预测，构建基于模式识别的嵌入式预测框架，将典型波动模...
解读: 该自监督预学习方法对阳光电源储能与风电产品线具有重要应用价值。可将其集成至ST系列储能变流器的EMS能量管理系统，提升风储联合运行策略的精准度；应用于PowerTitan大型储能系统的调度优化，实现对低风力时段的精准响应。该技术可优化iSolarCloud平台的预测算法，提高风电场群的运维效率。特别...
基于“动态匹配与在线建模”策略的超短期风功率预测
Ultra-Short-Term Wind Power Forecasting Based on the Strategy of “Dynamic Matching and Online Modeling”
Yuhao Li · Han Wang · Jie Yan · Chang Ge 等6人 · IEEE Transactions on Sustainable Energy · 2024年8月
超短期风功率预测对电力系统实时调度、频率调节和日内市场交易具有重要意义。由于天气系统复杂性、机组老化及风电场控制策略等因素，风功率序列的时间依赖关系时变（即概念漂移），导致常用离线建模方法预测精度偏低。在线建模可利用流式数据最新信息捕捉动态变化规律，但现有方法难以满足电网对预测时效性的要求。为此，本文提出“动态匹配与在线建模”策略，通过幅值与波动特征相似性动态筛选训练样本，提升样本代表性并缩短训练时间；同时在匹配过程中引入数值天气预报风速信息以提高预测精度。基于中国三个风电场运行数据的实验结果表...
解读: 该风功率预测技术对阳光电源储能产品线具有重要应用价值。可直接应用于ST系列储能变流器和PowerTitan大型储能系统的调度控制,通过准确预测风电出力波动,优化储能系统的充放电策略,提升调峰调频性能。'动态匹配'方法可集成到iSolarCloud平台,为储能系统提供更精准的调度指令。该技术的在线建模...
面向空气净化型光伏光热建筑一体化系统与虚拟储能集成的双层滚动优化控制方法
Bi-level rolling optimal control method for air-purifying building-integrated photovoltaic thermal systems integrated with virtual energy storage
Yu Qiana · Jie Jia · Hao Xiea · Hengmin Jiab 等7人 · Energy Conversion and Management · 2025年1月 · Vol.345
摘要 在后疫情时代，提高能源效率的同时保障室内空气质量已成为建筑系统设计中的关键挑战。空气净化型光伏光热建筑一体化（BIPVT）系统能够高效集成空间供暖、发电和空气净化功能，而虚拟能量存储系统（VESS）可在不依赖物理储能装置的情况下实现灵活的负荷转移。这两项技术的融合在智能健康建筑中具有广阔的应用前景。然而，现有的运行策略通常忽略了以室内空气质量为目标的日内动态优化。为解决上述问题，本文提出了一种考虑建筑蓄能特性的空气净化型BIPVT系统日内优化控制新方法，旨在降低电力成本并提升室内环境质量。...
解读: 该BIPVT系统与虚拟储能集成技术对阳光电源ST系列储能变流器及光储一体化解决方案具有重要启示。研究提出的日内滚动优化控制策略可与我司iSolarCloud平台深度融合,通过预测性负荷调控降低运行成本47.8%。虚拟储能理念可应用于PowerTitan系统的能量管理优化,结合SG系列光伏逆变器的MP...