找到 2 条结果
基于Vcp分解的光伏系统最优功率提取自适应搜索
Vcp-Decomposition-Based Adaptive Search for Optimal Power Extraction in Photovoltaic Systems
Jieming Ma · Kangshi Wang · Ming Huang · Xiaoyang Chen 等6人 · IEEE Transactions on Power Electronics · 2024年10月
本文提出了一种基于Vcp分解的自适应策略（VD-AS），旨在解决光伏系统在多变环境下的最优功率提取难题。该方法区别于传统MPPT技术，通过对光伏阵列特性进行分解，实现了在复杂环境条件下更快速、更精准的最大功率点跟踪，有效提升了光伏系统的能量转换效率。
解读: 该研究直接优化了光伏逆变器的核心控制算法，对阳光电源的组串式逆变器（如SG系列）及工商业光伏解决方案具有重要价值。在复杂遮挡或快速变化的辐照环境下，传统的扰动观察法（P&O）往往难以兼顾跟踪速度与稳态精度，而VD-AS算法能显著提升系统在极端环境下的发电收益。建议研发团队评估该算法在嵌入式DSP/M...
基于多空间注意力LSTM的时序环境感知光伏性能预测框架
Temporal environment informed photovoltaic performance prediction framework with multi-spatial attention LSTM
Dou Hong · Fengze Li · Jieming Ma · Ka Lok Man 等6人 · Solar Energy · 2025年6月 · Vol.296
摘要 预测光伏（PV）系统的性能对于优化可再生能源利用至关重要。然而，传统的时间序列方法仅关注时间模式，忽略了环境变化的影响，而诸如局部遮挡等动态条件进一步增加了功率预测的复杂性。为应对由遮挡引起的变化，本文提出了一种时序与环境感知预测（TEIP）框架，该框架通过一种新颖的多空间注意力LSTM（MSAL）网络，动态整合时序与环境数据，从而提升光伏功率预测精度。该框架利用TE矩阵捕捉随时间变化的结构化环境条件，包括由局部遮挡引起的变异性。所设计的双分支MSAL模型通过空间特征提取对环境数据进行独特...
解读: 该TEIP框架的多空间注意力LSTM架构对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。其时空环境矩阵建模方法可增强MPPT算法在局部遮挡场景下的动态响应能力,R²达0.952的预测精度可显著提升ST储能系统的充放电策略优化。建议将该框架集成至智能运维平台,结合虚拟同步发电...