找到 2 条结果
用于高效光伏热管理的水泥基复合材料增强被动辐射冷却
Enhanced passive radiative cooling of cementitious composites for efficient photovoltaic thermal management
Yang Hua · Tong Guoa · Xingyu Qua · Tengfei Xub 等6人 · Energy Conversion and Management · 2025年1月 · Vol.344
摘要 在建筑一体化光伏（BIPV）系统中，热管理仍然是一个关键挑战，运行温度的升高会显著降低光电转换效率。本研究系统地探讨了掺入单组分（α-Al₂O₃、BaSO₄ 或 CaCO₃）和双组分被动日间辐射冷却（PDRC）颗粒的水泥基复合材料，其替代水泥的比例分别为30%和60%。材料表征与性能分析结果表明，当α-Al₂O₃和BaSO₄以各30%的比例共同替代水泥时，该双组分体系表现出最优的被动冷却性能，太阳反射率达到94.54%，中红外发射率达到96.41%。当该复合材料与光伏面板集成使用时，可使光...
解读: 该被动辐射冷却水泥复合材料技术对阳光电源BIPV光伏系统具有重要应用价值。通过α-Al2O3和BaSO4双组分体系可降低组件运行温度16.54K,提升发电效率7.87%,与我司SG系列逆变器的MPPT优化技术形成协同效应。该无源冷却方案可集成到分布式光伏电站建筑载体中,配合iSolarCloud平台...
基于鲁棒深度强化学习的不完全可观测配电网逆变器电压无功控制
Robust deep reinforcement learning for inverter-based volt-var control in partially observable distribution networks
Qiong Liua · Ye Guoa · Tong Xub · Applied Energy · 2025年1月 · Vol.399
摘要 基于逆变器的电压无功控制在主动配电网（ADN）中调节电压和最小化功率损耗方面发挥着关键作用。然而，将深度强化学习（DRL）应用于该任务面临的一个主要挑战是ADN中量测设备部署有限，导致系统状态不完全可观测以及奖励信号未知的问题。为解决这些问题，本文提出了一种具有保守评论家（conservative critic）和代理奖励（surrogate reward）的鲁棒DRL方法。该保守评论家利用分位数回归技术，基于不完全可观测的状态估计出保守的状态-动作值函数，从而有助于训练出更具鲁棒性的策...
解读: 该鲁棒深度强化学习方法对阳光电源ST系列储能变流器及SG系列光伏逆变器的Volt-Var控制具有重要应用价值。通过保守critic和代理奖励机制,可在配电网测点有限(仅10%节点可测)条件下实现电压调节和网损优化,契合实际工程部署约束。该技术可增强PowerTitan储能系统在部分可观测环境下的自适...