找到 7 条结果
基于功率型与能量型储能的混合储能系统优化调度与性能评估
Optimized scheduling and performance evaluation of hybrid energy storage systems with power-based and energy-based storage
Jiacheng Guo · Jun Chen · Hao Wuab · Jimin Zengc 等5人 · Applied Energy · 2025年1月 · Vol.395
摘要 能源转型使得混合储能系统（HESS）在工业园区中日益重要。然而，目前仍缺乏系统性的研究来回答为何应在工业园区中实施混合储能系统这一问题。本研究开发了一种集成了超级电容器、锂离子电池、热储罐和冷冻水储冷装置的混合储能系统。提出了一种结合变分模态分解与混合整数线性规划的优化调度方法，该方法充分考虑了功率型储能与能量型储能方式之间的互补特性。从长期效益和不同场景下的短期调度两个角度，对混合储能系统的性能进行了系统性分析。结果表明，与仅采用锂离子电池储能的系统相比，该混合储能系统显著减少了碳排放（...
解读: 该混合储能优化调度技术对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。研究验证了超级电容与锂电池混合配置在工商业场景的经济性(降本5.5%)和减碳效果(减排15.5%),可指导我司PowerTitan方案中功率型与能量型储能的容量配比优化。其基于VMD分解的混合整数线性规划调...
基于对抗性模仿强化学习的混合储能电动汽车能量管理
Imitation reinforcement learning energy management for electric vehicles with hybrid energy storage system
Weirong Liu · Pengfei Yao · Yue Wu · Lijun Duan 等6人 · Applied Energy · 2025年1月 · Vol.378
深度强化学习已成为电动汽车能量管理的一种有前景的方法。然而，深度强化学习依赖大量试错训练才能获得近似最优性能。为此，本文提出一种面向混合储能系统的电动汽车对抗性模仿强化学习能量管理策略，以最小化电池容量损耗成本。首先，利用动态规划在多种标准驾驶条件下生成专家知识，用于引导强化学习的探索过程，该专家知识表示为最优功率分配映射。其次，在早期模仿阶段，通过对抗网络使强化学习智能体的动作快速逼近最优功率分配映射。再次，根据对抗网络中判别器的输出设计动态模仿权重，促使智能体在在线驾驶条件下逐步过渡到自主探...
解读: 该对抗模仿强化学习策略对阳光电源混合储能系统具有重要应用价值。可应用于ST系列PCS的电池-超级电容混合储能优化,通过专家知识引导的强化学习加速训练42.6%,降低电池容量损耗成本5.1%-12.4%。技术可集成至iSolarCloud平台实现在线工况自适应功率分配,延长PowerTitan储能系统...
通过神经网络方法加速钙钛矿太阳能电池的器件表征
Accelerating device characterization in perovskite solar cells via neural network approach
Xinhai Zhaoab1 · Chaopeng Huangae1 · Erik Birgersson · Nikita Suprun 等11人 · Applied Energy · 2025年1月 · Vol.392
摘要 钙钛矿太阳能电池是下一代高效光伏器件的有力候选者，尤其适合作为叠层结构中的顶部电池。基于物理机制的光电模型，我们采集了十万量级的大数据样本，用于训练神经网络模型，以高效预测器件性能和复合损耗。在数据准备、模型训练和神经网络优化过程中，分别采用了拉丁超立方采样、贝叶斯正则化和贝叶斯优化方法。最优的神经网络模型在预留的测试数据集上实现的均方误差低于4 × 10⁻⁴。神经网络的计算速度比传统光电模型快一千倍以上。因此，器件快速校准可在24秒内完成。显著降低的计算成本使得高效的器件表征、参数研究、...
解读: 该神经网络加速钙钛矿电池表征技术对阳光电源光伏逆变器产品线具有重要借鉴价值。研究采用的深度学习方法将器件仿真速度提升千倍以上,可应用于SG系列逆变器的MPPT算法优化和iSolarCloud平台的预测性维护功能。通过贝叶斯优化和敏感性分析快速标定器件参数的思路,可迁移至SiC/GaN功率器件的损耗分...
一种面向大电流应用的高性价比混合Si/SiC双桥并联LLC谐振变换器
A Cost-Effective Hybrid Si/SiC Dual Bridge Parallel LLC Resonant Converter for High-Current Application
Zipeng Ke · Jun Wang · Bo Hu · Chao Zhang 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
基于SiC的双桥并联LLC谐振变换器具有低电流应力和高效率的优点，但成本较高。本文提出一种低成本混合Si/SiC双桥并联LLC变换器，由大电流低成本Si IGBT桥臂与小电流SiC MOSFET桥臂构成，显著降低系统成本。得益于Si IGBT桥臂的软开关特性，该混合结构在开关损耗方面可媲美全SiC设计。同时，通过拓扑重构减少了谐振元件数量，进一步降低损耗与成本。实验研制了6 kW样机，结果表明，在高输出功率下总损耗相当，而开关器件成本降低51.7%，谐振元件成本降低22.9%，总体成本降低31....
解读: 该混合Si/SiC双桥并联LLC技术对阳光电源储能与充电产品具有重要应用价值。在ST系列储能变流器的DC/DC隔离级，可采用此混合方案替代全SiC设计，在保持高效率的同时降低31.6%成本，显著提升PowerTitan大型储能系统的性价比。对于大电流充电桩（如液冷超充），该拓扑的低电流应力特性与谐振...
一种无需位置反馈且免疫逆变器非线性的PMSM驱动电感估计方法
A Position-Feedback-Free and Inverter-Nonlinearity-Immune Inductance Estimation Method for PMSM Drives without Signal Injection
Yangwei Zhou · Ziling Nie · Li Peng · Xudong Zou 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年8月
准确的在线增量电感L<sub>d</sub>、L<sub>q</sub>映射对基于模型的控制、无传感器观测及实时故障诊断至关重要。现有方法依赖离线测试或信号注入，存在速度慢、扰动系统、依赖转子位置和难以补偿逆变器非线性等问题。本文提出一种无需信号注入与位置反馈的电感估计算法，通过重构电压矢量序列形成可抑制死区畸变与器件压降的虚拟电压矢量。结合分段多采样线性回归提取电流斜率，实现抗噪声与死区干扰的电感估计。该方法具备三重协同优势：虚拟电压矢量框架、多采样电流斜率估计及无信号注入的位置无关观测器。实...
解读: 该无位置传感器电感估计技术对阳光电源储能与电驱产品具有重要应用价值。在ST系列储能变流器中，可实现PMSM飞轮储能系统的免传感器控制与在线参数自适应，提升系统可靠性并降低成本。对新能源汽车电机驱动产品，该方法可在全工况下实时更新Ld/Lq映射表，优化MTPA/弱磁控制精度，同时免疫SiC器件死区非线...
基于LSTM-XGBoost模型的光伏电站短期功率预测
Short-term power prediction of photovoltaic power station based on LSTM-XGBoost model
Chenyang Zhua · Yibo Tua · Qingya Weia · Yue Zanga 等11人 · Solar Energy · 2025年1月 · Vol.300
摘要 目前，由于太阳能本身具有变异性与不确定性，受天气条件、一天中的时间以及季节变化等因素影响，光伏发电功率的精确预测仍是一个重大挑战。传统的预测模型往往难以捕捉数据中复杂的时序依赖关系和非线性关系，导致预测精度不理想。为应对这些挑战，本文提出一种新颖的混合方法，结合深度学习与集成学习的优势。采用长短期记忆网络（LSTM）提取时间序列数据中的动态特征，通过捕获短期和长期依赖关系，提供对时序信息的稳健表征。极端梯度提升算法（XGBoost）则利用其强大的非线性建模能力和特征选择技术进一步优化预测结...
解读: 该LSTM-XGBoost混合预测模型对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过捕捉光伏发电的时序依赖性和非线性特征,可显著提升ST系列PCS的功率预测精度,优化PowerTitan储能系统的充放电策略。模型的SHAP可解释性分析有助于增强预测性维护能力,提升SG系...
基于物理信息注意力残差网络的电池智能温度预警模型
Battery intelligent temperature warning model with physically-informed attention residual networks
Xue Ke · Lei Wang · Jun Wang · Anyang Wang 等12人 · Applied Energy · 2025年1月 · Vol.388
摘要 电动汽车的快速发展对锂离子电池的热安全管理提出了更高要求。传统的物理模型需要大量离线参数辨识，在计算效率与模型保真度之间难以平衡；而数据驱动方法虽然精度较高，但缺乏可解释性，且在不同工况下需要大量数据支持。为应对上述挑战，本文提出了一种物理信息引导的注意力残差网络（Physics-Informed Attention Residual Network, PIARN），该模型将改进的非线性双电容模型与热集总模型嵌入到物理引导的循环神经网络框架中，从而提升了模型的可解释性与泛化能力。所设计的残...
解读: 该物理信息引导的电池温度预警技术对阳光电源储能系统具有重要价值。PIARN模型结合物理模型与深度学习,可集成至ST系列PCS和PowerTitan储能系统的BMS热管理模块,实现0.1°C精度的在线温度预测和近100%准确率的热预警。其轻量化物理模型与残差网络架构适合边缘计算部署,可通过iSolar...