找到 2 条结果
基于深度学习的光伏系统健康监测
Deep Learning-Based Health Monitoring for Photovoltaic Systems
Khaled Alnuaimi · Ameena Saad Al-Sumaiti · Mohamad Alansari · Huai Wang 等5人 · IEEE Journal of Photovoltaics · 2025年5月
向光伏（PV）系统等可再生能源转型对于社会进步至关重要，有助于抵消化石燃料的负面影响。然而，管理光伏系统面临着重大挑战和经济影响。光伏故障一旦发生，需要迅速检测和解决，这会加重经济负担。有效的故障诊断在很大程度上依赖于光伏电站监测和能源管理系统的数据。过去，光伏监测主要依靠人工检查，但无人机（UAV）技术提供了一种更高效、更全面的解决方案，它提高了安全性，能提供详细的图像、具备可扩展性、可进行环境监测以及开展先进的数据分析。本研究利用深度学习（DL）方法对光伏系统的健康状况进行监测，重点分析无人...
解读: 该深度学习健康监测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。LSTM时序建模方法可直接集成至SG系列光伏逆变器的智能诊断模块，通过分析MPPT工作曲线、直流侧电压电流等运行数据，实现组件热斑、遮挡、PID效应等故障的早期预警。对于PowerTitan大型储能系统，该技术可监测...
电池退化在线监测以增强光伏电站的功率平滑
Online Monitoring of Battery Degradation for Enhanced Power Smoothing of PV Power Plants
Ammar Atif Abdalla · Mohamed Shawky El Moursi · Tarek H. M. El-Fouly · Khalifa Hassan Al Hosani · IEEE Transactions on Sustainable Energy · 2025年3月
为实现碳中和目标，光伏（PV）电站并网规模不断扩大，但其出力受天气影响显著，易引发电网电压与频率波动。结合电池储能系统（BESS）是有效的功率平滑方案，然而传统控制器导致电池频繁均等充放电，加速老化。本文提出将BESS划分为独立充放电子组，基于功率波动预测动态分配电池单元，并通过功率分配模型管理激活策略、实现组间支援。结合在线健康评估与退化均衡层，依据循环寿命优先调度，有效降低电池循环次数。实验验证表明，所提方法可将电池退化率控制在0.099%以内，显著优于传统方法的4.41%。
解读: 该电池退化在线监测与动态分组技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。文章提出的独立充放电子组划分策略可直接应用于大型储能系统的电池簇管理，通过基于循环寿命的优先调度算法，配合iSolarCloud云平台的智能诊断功能，可实现电池健康状态的实时评估与退化均衡控制...