找到 4 条结果
模拟季节性热储能的季节性动态在可再生能源系统全年调度中的应用
Modeling seasonal thermal storage dynamics in the year-round scheduling of renewable energy systems
Haiyang Jiang · Jiajun Luo · Yan Guo · Ershun Du 等8人 · Applied Energy · 2025年1月 · Vol.379
摘要 季节性热储能（STS）能够以热能形式长期储存可再生能源，从而有效缓解可再生能源供应与热负荷需求之间的季节性不匹配问题。本文建立了基于水体的STS温度分布模型，并考虑了储罐周围土壤隔热效应的影响。考虑到常用的荷电状态（SOC）模型在可再生能源系统调度问题中无法详细描述随时间变化的热损失过程，本文提出了一种温度场修正方法，用于校正调度结果。通过在Garver 6节点系统和HRP-38系统上开展三个案例研究，验证了所提方法相较于SOC模型在管理STS方面的更高精度。由于对热损失过程进行了更详细的...
解读: 该季节性热储能调度技术对阳光电源储能系统具有重要价值。论文提出的温度场修正方法可优化ST系列PCS的长周期储能调度策略,特别是在PowerTitan等大型储能系统中,通过精确建模热损耗动态过程,可提升可再生能源消纳率、降低弃电。该方法可集成至iSolarCloud平台,实现跨季节能量管理优化,为热电...
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...
用于振荡抑制和同步开关的22kV超级共源共栅固态开关设计与优化
Design and Optimization of a 22 kV Super-Cascode Solid-State Switch for Oscillation Suppression and Synchronized Switching
Ning Yan · Xiang Lin · Rolando Burgos · Dong Dong · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年6月
在中压变换器中，由于商用开关器件的有限电压额定值，实现可靠的中压开关具有挑战性。为克服该限制，采用超级共源共栅结构，通过串联多个低压器件实现可扩展的高压运行。在此结构中，平衡电容选择对确保同步开关和最小化振荡（特别是开通瞬态期间）至关重要。现有设计方法主要关注关断性能，常忽略绝对电容值和开通动态的影响。本文对超级共源共栅开关中的电容选择进行系统分析，考虑电容偏移和绝对值。研究了这些参数对开通延迟、电压平衡和振荡抑制的影响。引入新型平衡电路以缓解栅极和漏源振荡，确保多个器件间的稳定同步运行。为验证...
解读: 该22kV超级共源共栅固态开关研究对阳光电源中高压应用有重要参考价值。10个3.3kV SiC MOSFET串联实现22kV开关的超级共源共栅结构为阳光电源在1500V以上光伏系统和中压储能系统中应用SiC器件提供了技术路径。优化电容选择抑制振荡和确保同步开关的系统设计方法可应用于阳光ST系列储能变...
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...