找到 18 条结果
基于跨域自适应生成对抗网络的多退化水平光伏阵列故障诊断
Fault diagnosis of photovoltaic arrays with different degradation levels based on cross-domain adaptive generative adversarial network
Peijie Lin · Feng Guo · Yaohai Lin · Shuying Cheng 等7人 · Applied Energy · 2025年1月 · Vol.386
摘要 近年来，由于光伏电站运行与维护的重要性，光伏（PV）阵列故障诊断（FD）取得了令人瞩目的进展。然而，由于运行工况复杂，光伏阵列不可避免地会发生渐进式退化，导致输出数据出现域偏移，这对故障诊断性能产生显著的负面影响。为解决上述问题，本研究提出了一种两阶段跨域自适应生成对抗网络深度学习方法，用于不同退化水平下的光伏阵列故障诊断。在第一阶段，利用源域（即无性能退化的光伏阵列）中的正常数据进行训练；随后，在对抗训练过程中将最大均值差异（MMD）损失引入故障生成器，以生成源域故障数据的高层特征表示。...
解读: 该跨域自适应GAN故障诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud智慧运维平台具有重要应用价值。针对光伏阵列性能衰减导致的数据域偏移问题,该方法通过MMD损失函数实现跨域特征对齐,仅需健康状态数据即可生成故障样本进行诊断,准确率达98.34%。可集成至iSolarCloud平台的预测...
基于稀疏回归无迹卡尔曼滤波的光伏系统数据驱动动态状态估计
Data-Driven Dynamic State Estimation of Photovoltaic Systems via Sparse Regression Unscented Kalman Filter
Elham Jamalinia · Zhongtian Zhang · Javad Khazaei · Rick S. Blum · IEEE Transactions on Industrial Informatics · 2024年12月
本文提出了一种数据驱动的动态状态估计（DSE）方法，该方法专为受过程噪声和测量噪声影响的光伏（PV）能量转换系统（单级和两级）而设计。所提出的框架采用两阶段方法，包括“数据驱动的模型识别”和“状态估计”。在初始的模型识别阶段，利用非线性稀疏回归技术收集状态反馈，以阐明光伏系统的动态特性。在识别出光伏系统的动态特性后，将使用非线性数据驱动模型来估计光伏系统的动态，以用于监测和保护目的。为了应对不完整的测量、内在的不确定性和噪声，我们采用了“无迹卡尔曼滤波器”，该滤波器通过处理含噪输出数据来实现状态...
解读: 从阳光电源的业务视角来看，这项基于数据驱动的光伏系统动态状态估计技术具有重要的应用价值。该技术通过稀疏回归与无迹卡尔曼滤波器的结合，为光伏发电系统的实时监测和故障保护提供了新的解决方案，这与我们在逆变器智能化和系统可靠性提升方面的战略方向高度契合。 对于阳光电源的核心产品线，该技术的价值主要体现在...
一种促进稀疏性的自适应调节方法用于并网太阳能光伏系统的数据驱动建模与控制
Adaptive Regulated Sparsity Promoting Approach for Data-Driven Modeling and Control of Grid-Connected Solar Photovoltaic Generation
Zhongtian Zhang · Javad Khazaei · Rick S. Blum · IEEE Transactions on Sustainable Energy · 2024年9月
本文提出一种基于稀疏性促进的新型统计学习方法，用于太阳能光伏（PV）系统的数据驱动建模与控制。针对传统稀疏回归在候选函数增多时计算复杂度高的问题，设计了自适应调节稀疏回归（ARSR）算法。该方法为各状态变量自适应调节候选函数的超参数权重，提升模型精度，并有效剔除动态模型中的无关项。基于实测数据，建立了单级和两级PV系统的开环与闭环模型，并用于控制器设计。此外，该方法还可用于故障分析，展现出优于其他数据驱动技术的能力。实时仿真验证了所提方法的有效性。
解读: 该自适应稀疏回归建模技术对阳光电源SG系列光伏逆变器和ST储能变流器的控制优化具有重要价值。其数据驱动建模方法可直接应用于iSolarCloud平台的智能诊断模块，通过实测运行数据快速建立系统动态模型，无需复杂物理建模。稀疏性促进算法能有效识别关键控制变量，优化MPPT算法和并网控制策略，提升GFL...
基于虚拟光伏样本构建的考虑表后光伏的净负荷非监督分解方法
Unsupervised disaggregation of aggregated net load considering behind-the-meter PV based on virtual PV sample construction
Ziyu Qu · Xinxin Ge · Jinling Lu · Fei Wang · Applied Energy · 2025年1月 · Vol.381
摘要 大多数分布式光伏发电系统（PV）采用表后安装（behind-the-meter, BTM）方式，仅配备单个电表的部署方案使得配电系统运营商只能监测净负荷，而无法获取表后光伏的发电量。因此，表后光伏装置的日益普及对配电系统规划以及局部供需平衡产生了负面影响。然而，现有的净负荷分解方法主要依赖昂贵的监测设备和高分辨率传感器，在实际应用中面临隐私问题、数据多样性不足以及通信障碍等挑战。本文提出一种针对聚合净负荷的非监督分解方法，仅利用净负荷数据和外生变量即可实现表后光伏出力与实际负荷的精确分离。...
解读: 该BTM光伏解耦技术对阳光电源iSolarCloud平台及SG系列逆变器具有重要应用价值。通过无监督算法实现净负荷分解,可增强智慧运维平台对分布式光伏实际发电量的监测能力,无需额外传感器即可优化MPPT策略。该方法可集成至iSolarCloud的预测性维护模块,提升电表后端光伏资产的可观测性,为ST...
一种基于卫星图像与时间序列多模态学习的鲁棒光伏功率预测方法
A Robust Photovoltaic Power Forecasting Method Based on Multimodal Learning Using Satellite Images and Time Series
Kai Wang · Shuo Shan · Weijing Dou · Haikun Wei 等5人 · IEEE Transactions on Sustainable Energy · 2024年11月
超短期光伏功率预测对提升电网稳定性具有重要意义。现有基于卫星图像的方法多依赖像素级预测，效率低且冗余，而深度学习模型难以建立大尺度云特征与光伏发电之间的关联。本文提出一种端到端的多模态学习模型，直接融合卫星图像与时间序列实现多步光伏功率预测。采用ConvLSTM-RICNN编码感兴趣区域内的云层动态特征，并提出DCCA-LF融合策略，将深度典型相关分析引入晚期融合以增强跨模态特征对齐，有效抑制噪声与缺失数据影响。基于澳大利亚Alice Springs地区BP Solar与Himawari-8卫星...
解读: 该多模态光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。其超短期预测能力可直接集成至SG系列光伏逆变器的智能诊断系统，通过卫星云图与历史数据融合实现15分钟至4小时功率预测，为MPPT算法提供前瞻性优化依据。对于PowerTitan储能系统，该技术可优化充放电策略制定，...
自校正引导的广义对比学习框架用于云边协同小样本光伏故障诊断
Self-Correcting-Guided Generalized Contrastive Learning Framework for Small-Sample PV Fault Diagnosis With Cloud-Edge Collaboration
Qi Liu · Bo Yang · Mingxuan Cai · Yuxiang Liu 等6人 · IEEE Transactions on Industrial Informatics · 2025年6月
小样本场景下光伏（PV）阵列的智能故障诊断由于模型精度和泛化能力较差，仍然具有挑战性。现有方法无法同时解决运行工况多变和样本不足的问题，导致少样本学习构建的模型适用性有限。此外，数据传输和计算成本等因素也需要考虑。因此，本文提出了一种用于小样本光伏故障诊断的云边协同自校正引导广义对比学习框架。首先，提出了一种端到端自校正模型，以消除可变环境的影响。然后，将自校正方案与对比学习相结合以实现模型泛化，并设计了一种类型筛选方法来提高模型精度。此外，提出了一种快速故障过滤机制，通过云边协同提高算法效率。...
解读: 从阳光电源的业务视角来看，这项基于云边协同的小样本光伏故障诊断技术具有重要的应用价值和战略意义。 在产品层面，该技术直接契合阳光电源光伏逆变器和电站运维的核心需求。传统故障诊断方法依赖大量标注数据，而实际运维中故障样本稀缺且环境条件多变，导致诊断模型泛化能力不足。该论文提出的自校正引导对比学习框架...
基于最优清洗调度的印度大型光伏电站非均匀积灰损失评估及性能提升策略
Estimation of non-uniform soiling loss in a utility-scale PV plant in India and strategies for enhanced performance through optimal cleaning schedules
Shoubhik De · Narendra S. Shiradkar · Anil Kottantharayil · Solar Energy · 2025年1月 · Vol.290
摘要 积灰显著影响光伏（PV）系统的效率，尤其是在印度等粉尘沉积严重的地区。在大型光伏电站中，空间上的非均匀积灰问题尤为突出，电站某些区域的发电损失高于其他区域，从而增加了运维管理的复杂性。本研究分析了位于印度南部的一座50 MWp大型光伏电站的组串级SCADA数据，该电站被划分为多个区域，用于生成详细的积灰分布图。基于这些分布图，我们提出了组串级优化和区域级优化两种清洗方法。组串级优化方法采用四个特定的清洗阈值，以确定各区域内最具经济效益的清洗区域；而区域级优化方法则旨在简化清洗流程、提升光伏...
解读: 该研究针对印度大型地面电站的非均匀积灰损失分析,对阳光电源SG系列组串式逆变器及iSolarCloud平台具有重要应用价值。研究基于组串级SCADA数据绘制积灰地图并优化清洁策略,可直接集成到iSolarCloud智能运维平台,结合SG逆变器的多路MPPT优化技术,实现组串级发电损失精准识别。建议将...
基于混合深度学习的屋顶光伏供给与农宅负荷不匹配分析：数据降维与可解释负荷模式挖掘
Mismatch analysis of rooftop photovoltaics supply and farmhouse load: Data dimensionality reduction and explicable load pattern mining via hybrid deep learning
Ding Gao · Yuan Zhi · Xing Rong · Xudong Yang · Applied Energy · 2025年1月 · Vol.377
摘要 建立以屋顶光伏（PV）为基础的新型电力系统有助于推动中国农村地区的能源转型。光伏供给与农村家庭用电需求之间不匹配的研究，对光伏微电网系统的广泛推广至关重要。目前，农村地区典型负荷模式（TLPs）缺乏准确的特征刻画方法，且现有的不匹配评估方法未充分考虑光伏弃电问题。因此，本研究提出一种基于混合深度学习的分析框架，用于量化全天时段内光伏发电与典型负荷模式之间的短期不匹配程度，并将其应用于真实农村地区数据集。本研究采用变分自编码器（VAE）模型对高分辨率负荷数据进行降维与特征提取，并与传统方法进...
解读: 该研究对阳光电源户用光伏微电网解决方案具有重要价值。VAE深度学习模型可集成至iSolarCloud平台,实现农村负荷模式精准识别与PV出力失配预测。研究揭示的三类典型负荷曲线可优化SG系列逆变器的MPPT策略,结合ST系列储能PCS动态调节充放电功率,降低弃光率。基尼系数量化方法为PowerTit...
一种基于电致发光图像的光伏电池稀有缺陷定位新少样本检测器
A novel few-shot detector for rare defect localization in photovoltaic cells using electroluminescence images
Qing Liu · Min Liu · Q.M. Jonathan Wu · Weiming Shen · Solar Energy · 2025年1月 · Vol.296
准确检测光伏（PV）电池中的缺陷对于保障光伏发电系统长期稳定运行至关重要。现有的基于深度学习的方法已广泛应用于利用电致发光图像进行光伏电池缺陷检测。然而，这些方法严重依赖大量标注数据，因此在处理可用数据较少的稀有缺陷时，其有效性受到限制。为解决这一问题，本文提出了一种名为OURS_RARE_PV的新方法，用于稀有光伏电池缺陷的定位。具体而言，OURS_RARE_PV采用了一种基于迁移学习的少样本目标检测框架。首先，引入对比学习损失以放大不同类别之间的差异，并增强单个类别内部的相似性，从而获得更具...
解读: 该罕见缺陷检测技术对阳光电源SG系列光伏逆变器及iSolarCloud智慧运维平台具有重要应用价值。通过少样本学习框架和对比学习损失函数,可有效识别电池片EL图像中的稀有缺陷类型,解决传统深度学习依赖大量标注数据的局限。该方法可集成至iSolarCloud预测性维护系统,提升光伏电站异常诊断准确率,...
大型光伏电站结合电池储能系统在电力与辅助服务市场中运行的技术经济评估
Techno-economical assessment of battery storage combined with large-scale Photovoltaic power plants operating on energy and Ancillary Service Markets
Mohamad Koubar · Oskar Lindberg · David Lingfors · Pei Huang 等6人 · Applied Energy · 2025年1月 · Vol.382
摘要 确定电池储能系统（Battery Energy Storage System, BESS）应提供哪些特定服务以实现利润最大化是一项重大挑战。本研究采用技术经济分析框架，探讨了公用规模太阳能光伏发电（PV）电站结合BESS在不同市场中的最优盈利模式及其最佳容量配置。研究目标是在瑞典和德国的电力市场与频率调节市场（重点关注日前市场和一次调频市场）中实现收益最大化。模型输入数据包括历史市场价格、频率数据以及实际测量的光伏发电功率数据。结果表明，在现有光伏电站基础上增加BESS，并不会比独立部署B...
解读: 该研究验证了光储融合系统的商业价值,对阳光电源ST系列储能变流器与SG光伏逆变器的协同优化具有重要参考意义。研究显示储能参与一次调频市场可实现6年回收期,这为PowerTitan系统在欧洲市场的调频策略提供数据支撑。建议结合iSolarCloud平台开发多市场联合竞价算法,通过GFM控制技术提升调频...
基于贝叶斯优化算法与二次分解的误差校正深度Autoformer模型在光伏发电预测中的应用
An error-corrected deep Autoformer model via Bayesian optimization algorithm and secondary decomposition for photovoltaic power prediction
Jie Chen · Tian Peng · Shijie Qian · Yida Ge 等7人 · Applied Energy · 2025年1月 · Vol.377
准确的光伏发电功率预测对于电网的稳定运行和合理调度至关重要。然而，由于光伏发电具有不稳定性，其功率预测仍面临巨大挑战。为此，本文提出一种结合二次分解、贝叶斯优化与误差校正机制的Autoformer模型用于光伏发电功率预测。为降低数据复杂性并充分提取特征，采用了两种分解方法：首先利用经验模态分解（EMD）对光伏功率序列进行初级分解；然后引入样本熵（SE）衡量各分量的复杂度，并对复杂度最高的分量采用变分模态分解（VMD）进行二次分解。其次，构建基于贝叶斯优化算法优化的Autoformer模型，分别预...
解读: 该基于深度学习的光伏功率预测技术对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过EMD-VMD二次分解和Autoformer模型可显著提升预测精度,可集成至SG系列逆变器的MPPT优化算法中,实现更精准的发电功率预测。结合ST系列储能PCS,该预测模型能优化储能系统充放电策略,提升...
基于Hellinger距离和个体条件期望分析的光伏系统传感器故障检测与诊断
Sensor fault detection and diagnosis in photovoltaic systems using Hellinger Distance and Individual Conditional Expectation analysis
Fouzi Harrou · K. Ramakrishna Kinib · Muddu Madakyaru · Ying Suna · Solar Energy · 2025年1月 · Vol.298
准确的故障检测对于维持光伏（PV）系统的最佳性能并延长系统寿命至关重要。本文提出了一种结合偏最小二乘（PLS）回归与基于Hellinger距离（HD）的监控图的传感器故障检测与诊断方法，该方法在处理高维数据集中的多重共线性问题以及降维方面具有优势。PLS生成能够反映偏差的残差，随后利用基于HD的监控图对这些残差进行分析，其控制阈值通过核密度估计（KDE）确定。该方法增强了对多种传感器故障的敏感性，包括偏差、漂移（或老化）以及间歇性故障。在本研究中，通过向总辐射计和温度传感器中人为注入传感器故障，...
解读: 该传感器故障诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要应用价值。PLS-HD方法可有效识别辐照度计和温度传感器的偏差、漂移及间歇性故障,提升MPPT优化精度和发电效率预测准确性。ICE可视化分析可集成至iSolarCloud预测性维护模块,实现故障溯源与诊断。该...
SolarNexus：一种用于自适应光伏功率预测与可扩展管理的深度学习框架
_SolarNexus_: A deep learning framework for adaptive photovoltaic power generation forecasting and scalable management
Hyunsik Mina · Byeongjoon Noh · Applied Energy · 2025年1月 · Vol.391
摘要 光伏（PV）功率预测在可再生能源管理中发挥着关键作用。然而，传统预测模型通常难以适应动态环境变化，并在不同区域间实现有效扩展。针对这些挑战，本文提出了一种融合时间卷积网络（TCN）、多头注意力机制（MHA）、在线学习和迁移学习的深度学习框架。为验证所提方法的有效性，我们采用了来自韩国九个太阳能电站的数据。该数据集来源于韩国开放数据门户和韩国气象厅，涵盖了2017年1月1日至2019年12月31日的逐小时光伏发电量及气象参数，其中两年用于训练，一年用于测试。我们在相同条件下将所提出的TCN-...
解读: 该深度学习预测框架对阳光电源iSolarCloud智能运维平台具有重要应用价值。TCN-MHA在线学习模型可集成至SG系列逆变器和ST储能系统的智能调度算法,实现17.19%的NRMSE预测精度,支持多区域迁移学习降低85%训练时间和99%功耗。该技术可优化PowerTitan储能系统的充放电策略,...
积尘对光伏和光热发电系统的影响：半干旱气候下的实验分析与模拟研究
Impact of dust accumulation on PV and CSP systems: Experimental analysis and simulation insights in semi-arid climate
Mohamed Boujoudar · Massaab El Ydrissi · Mounir Abraim · Amine Moulay Tajb 等7人 · Solar Energy · 2025年1月 · Vol.296
摘要 积尘（“污秽”）显著降低了光伏（PV）和聚光太阳能热发电（CSP）系统的能量输出，尤其是在干旱和半干旱气候条件下。尽管其影响显著，但积尘造成的能量损失常常被低估，且区域性和季节性差异常被忽视。本研究在摩洛哥绿色能源公园（GEP）的相同环境条件下，评估了积尘对大规模光伏和光热发电系统的影响。研究对象包括三种光伏技术（单晶硅、多晶硅、碲化镉）以及一种CSP技术（菲涅尔式），每种光伏技术设置两套系统，其中一套每两天清洁一次，另一套则长期不清洁。通过高精度测量手段，包括用于CSP系统的跟踪清洁度系...
解读: 该研究揭示光伏与CSP系统积灰损失差异,对阳光电源SG系列逆变器及iSolarCloud平台具有重要价值。研究显示PV日均污损率0.44-0.51%,CSP达1.99%,四个月累计PV损失5.5%而CSP达28.7%。可启发iSolarCloud平台集成基于气象数据的智能清洗预警算法,结合MPPT优...
阿塔卡马沙漠1兆瓦光伏电站的环境性能：一项生命周期评估研究
Environmental performance of a 1 MW photovoltaic plant in the Atacama Desert: A life cycle assessment study
D.Soler · Lucia Rigamonti · N.Gazbour · Edward L. Fuenteal · Solar Energy · 2025年1月 · Vol.292
摘要 光伏（PV）系统是减少环境影响和支持脱碳努力的可行方案，尽管其环境影响因安装地点的不同而存在显著差异。本研究根据ISO 14040和14044标准，采用从摇篮到坟墓的生命周期评估（LCA）方法，分析了位于智利阿塔卡马沙漠的一座1兆瓦并网光伏电站的初级能源消耗和环境性能。功能单元定义为在30年寿命期内向国家电网输送1千瓦时中压电能的生产和交付过程。研究应用ReCiPe 2016中点（H）方法，涵盖17项环境影响指标。阿塔卡马沙漠的独特条件包括高水平的年总水平太阳辐照度（>2600千瓦时/平方...
解读: 该研究揭示阿塔卡马沙漠极端环境下光伏系统面临的挑战,对阳光电源产品优化具有重要参考价值。研究指出逆变器加速老化和运维成本占比10-25%的问题,验证了我司SG系列1500V逆变器高可靠性设计的必要性,以及iSolarCloud智能运维平台预测性维护功能的价值。针对高辐照(>2600 kWh/m²)、...
基于深度强化学习的可再生能源与储能系统在多电力市场中最大化收益策略
Deep reinforcement learning-based strategy for maximizing returns from renewable energy and energy storage systems in multi-electricity markets
Javier Cardo-Miota · Hector Beltran · Emilio Pérez · Shafi Khadem 等5人 · Applied Energy · 2025年1月 · Vol.388
摘要 可再生能源（RES）与储能系统（ESS）的集成在优化其参与电力市场的过程中带来了挑战与机遇。本研究提出了一种新方法，利用深度强化学习（RL）算法为共址配置的可再生能源与电池储能系统（BESS）开发最优投标策略，实现同时参与电能量市场和辅助服务（AS）市场的多市场运作。所提出的方法采用马尔可夫决策过程（MDP）框架，根据市场状况和技术约束动态管理BESS的使用。作为强化学习智能体，采用了名为双延迟深度确定性（TD3）策略梯度算法的Actor-Critic方法。数据驱动的训练过程有助于模型学习...
解读: 该深度强化学习多市场竞价策略对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。研究中TD3算法实现的动态BESS调度与我司储能系统的智能能量管理高度契合,可集成至iSolarCloud平台实现日前市场与辅助服务的联合优化。案例中光储协同参与调频备用服务的模式,可直接应用于我司1...
知识集成GAN模型用于光伏并网分析中的全年天气随机时间序列模拟
Knowledge-Integrated GAN Model for Stochastic Time-Series Simulation of Year-Round Weather for Photovoltaic Integration Analysis
Xueqian Fu · Fuhao Chang · Hongbin Sun · Pei Zhang 等5人 · IEEE Transactions on Power Systems · 2025年4月
对于高比例光伏发电的电力系统随机生产模拟而言，气象模拟已变得至关重要。生成式人工智能已成为气象序列随机模拟的核心技术。鉴于生成式人工智能技术在内容生成方面的不可控性，本研究提出了一种由数据与知识融合驱动的年度气象场景随机模拟新方法。融合工作包括构建月度气象生成对抗网络（MWGAN）、一种基于统计概率知识的生成场景质量提升方法，以及一套用于评估生成气象场景的统计机器学习方法。利用中国广东某地48年的气象数据，对所提出的年度气象场景随机模拟方法进行了验证。通过将所提出的模型与五种前沿的生成对抗网络（...
解读: 该知识集成GAN模型对阳光电源光伏储能系统具有重要应用价值。在SG系列光伏逆变器产品线，可用于优化MPPT算法的预测性控制，通过高保真气象序列模拟提升发电功率预测精度；在ST系列储能变流器及PowerTitan大型储能系统中，全年逐时天气随机模拟可支持储能容量优化配置与充放电策略制定，提升系统经济性...
考虑公平电动汽车充电、不确定性和故障情况的微电网能量管理系统实现
Implementation of a microgrid energy management system considering fair EV charging, uncertainties and contingencies: A multi-objective approach
Derian C.Tairo · Jéssica Alice A.Silv · Juan Camilo López · Marcos J.Rider · Applied Energy · 2025年1月 · Vol.396
摘要 微电网中的能量管理系统（EMS）在整合分布式能源资源（DERs）——如电池储能系统（BESSs）、光伏发电（PV）系统和电动汽车（EV）充电设备——时面临新的挑战。一个关键挑战是开发能够包含实时分析、三相系统以及并网与孤岛模式之间切换的模型，同时考虑光伏出力和负荷需求的不确定性。此外，在微电网中实现电动汽车充电的公平性对于用户满意度和系统性能至关重要。本文研究了一个多目标优化问题（MOOP），旨在最小化从主电网购电的运行成本以及电动汽车的未供电能量（ENS），并引入公平性指标以确保连接车辆...
解读: 该多目标微网能源管理系统对阳光电源ST系列储能变流器、PowerTitan储能系统及充电桩产品线具有重要应用价值。研究中的三相系统实时优化、并离网切换及不确定性处理,可直接应用于iSolarCloud平台的智能调度算法。特别是EV公平充电指数(考虑SOC、容量、时间窗)为充电站产品开发提供了差异化服...