找到 2 条结果
基于线性跳跃方法的光伏系统柔性功率点跟踪
Flexible power point tracking for photovoltaic systems based on the linear jump method
Fang Gao · Zuchang Lin · Linfei Yin · Qing Gao · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 随着可再生能源的发展，灵活的光伏（PV）功率跟踪控制策略正日益成为研究热点。现有的恒定功率发电（CPG）方法在环境条件变化和参考功率波动时，往往难以同时满足快速收敛、稳定跟踪以及算法简洁性的要求。为解决这一问题，本文提出一种基于线性跳跃方法（LJM-B）的柔性功率点跟踪（FPPT）算法。该策略通过计算或估计单个P-V曲线峰值左侧最大功率点（MPP）处P-V特性曲线的线性斜率，确定与参考功率相对应的参考电压。当参考功率小于可用光伏功率时，系统可根据计算得到的参考电压直接跳转至目标功率工作点。...
解读: 该线性跳变柔性功率跟踪技术对阳光电源SG系列光伏逆变器及ST储能变流器具有重要应用价值。通过P-V曲线左侧线性斜率计算实现参考电压快速定位,可显著提升我司MPPT算法在功率限发场景下的动态响应速度。该方法特别适用于电网调度需求下的主动功率控制、储能系统充电功率精准跟踪,以及PowerTitan等大型...
基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法在电力终端多标签识别中的应用
Electricity terminal multi-label recognition with a “one-versus-all” rejection recognition algorithm based on adaptive distillation increment learning and attention MobileNetV2 network for non-invasive load monitoring
Linfei Yin · Nannan Wang · Jishen Li · Applied Energy · 2025年1月 · Vol.382
随着分布式可再生能源接入智能电网，分布式系统及新能源发电的不确定性严重影响了电网的稳定运行。需求侧管理是解决分布式用电问题的有效手段，因此监测接入系统负荷类型已成为当前研究热点。负荷监测包括侵入式负荷监测（ILM）和非侵入式负荷监测（NILM）。目前，NILM缺乏增量学习能力且识别准确率较低。为此，本文提出一种基于自适应蒸馏增量学习与注意力MobileNetV2网络的“一对所有”拒绝识别算法用于电力终端多标签识别（ET-MR “OVA” RR-ADIL-AMN）。该算法融合了多标签识别与“一对所...
解读: 该非侵入式负荷监测技术对阳光电源智慧能源管理系统具有重要价值。可集成至iSolarCloud平台实现用电侧精细化管理:在储能系统(ST系列PCS/PowerTitan)中应用该多标签识别算法,可精准识别并网负荷类型,优化充放电策略;结合分布式光伏(SG系列逆变器)场景,通过增量学习动态适应新接入设备...