找到 3 条结果
一种基于非对称双向半桥拓扑的燃料电池电动汽车三端口三电平变换器系列
A Family of Three-Port Three-Level Converter Based on Asymmetrical Bidirectional Half-Bridge Topology for Fuel Cell Electric Vehicle Applications
Hadi Moradisizkoohi · Nour Elsayad · Osama A. Mohammed · IEEE Transactions on Power Electronics · 2019年12月
本文提出了一种由非对称双向半桥模块组成的三端口三电平变换器（TPTLC）系列。该拓扑具有控制简单、全工作范围内软开关特性好、开关管电压应力低等优点。通过结合脉宽调制与移相控制策略，有效提升了变换效率与功率密度，特别适用于燃料电池电动汽车应用。
解读: 该拓扑结构在多端口能量管理方面具有显著优势，与阳光电源的电动汽车充电桩及储能系统（如PowerStack）业务高度契合。其三电平特性有助于降低开关损耗并提升功率密度，可优化充电桩的功率模块设计，提升转换效率。此外，该拓扑在多源输入（如光伏、储能、燃料电池）协同控制方面具有潜力，建议研发团队关注其在光...
基于深度神经网络的变气象条件下光伏参数精确估计模型
Deep neural networks model for accurate photovoltaic parameter estimation under variable weather conditions
Salem Batiyah · Ahmed Al-Subhi · Osama Elsherbiny · Obaid Aldosari 等5人 · Solar Energy · 2025年10月 · Vol.299
摘要 估算光伏（PV）参数对于光伏系统的精确建模和性能预测至关重要。本文提出了一种基于深度神经网络的方法，通过数据手册中的信息来确定光伏参数。该技术利用MATLAB/Simulink库中光伏模块单元生成的数千个数据点进行训练。采用平均绝对百分比误差（MAPE）、决定系数（R-squared）和均方根误差（RMSE）等指标对模型的有效性进行了评估。通过利用神经网络固有的模式识别和学习能力，该模型能够准确地估计光伏参数。为了评估所提方法的有效性，对其性能进行了多种测试，包括对测试数据、实验数据以及在...
解读: 该深度学习光伏参数估计技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。通过神经网络精准估算不同气象条件下的光伏参数,可优化MPPT算法实时性能,提升逆变器发电效率。该方法可集成至智能运维平台,实现组件参数在线辨识与性能预测,减少现场测试成本。结合PowerTitan储能系统...
通过机器学习实现全球最优太阳能电池板倾角的预测
Global prediction of optimal solar panel tilt angles via machine learning
Bilal Rinchi · Raghad Dababseh · Mayar Jubran · Sameer Al Dahidi 等6人 · Applied Energy · 2025年3月 · Vol.382
摘要 本研究提出了一种全面的数据驱动方法，利用五个经过优化的机器学习模型和来自光伏地理信息系统（PVGIS）的12,499个全球位置的数据，预测光伏系统的最优倾角。首先，我们研究了40种不同特征组合的预测精度，这些特征包括每个位置的纬度、经度、海拔、温度、相对湿度、风速、水平面总辐射和散射辐射。其次，我们评估了四种不同数据分辨率对模型性能的影响，包括年均数据、带年方差的年均数据、月均数据以及带月方差的月均数据在气象特征上的应用。第三，我们探讨了在所有情况下将纬度作为绝对值处理的影响。研究发现，将...
解读: 该机器学习优化倾角预测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究通过多层感知器模型实现1.029°精度的倾角预测,可集成至智能运维系统,为全球12,499个站点提供精准安装指导。结合月度气象数据分解方法,可优化MPPT算法的跟踪策略,提升发电效率0.5-2%。...