找到 34 条结果
增强季节性，优先气象：基于双层分层注意力机制强化光伏发电预测中的季节相关性
Amplify seasonality, prioritize meteorological: Strengthening seasonal correlation in photovoltaic forecasting with dual-layer hierarchical attention
Yunbo Niua · Jianzhou Wangb · Ziyuan Zhang · Yisheng Caoa 等6人 · Applied Energy · 2025年1月 · Vol.394
摘要 电力输出超过电网承载能力对电网安全构成严重威胁。2023年，光伏发电占可再生能源发电总增量的75%。然而，由于光伏发电输出存在显著波动，准确预测发电量已成为保障电网安全的关键手段。在实际应用中，一个关键挑战在于如何深度挖掘光伏发电数据中的隐含特征，并厘清其与气象数据之间的关联，以提升预测精度。针对这一问题，本研究提出了一种名为“增强季节性，优先气象”的光伏发电预测策略。该策略旨在利用气象信息与光伏发电数据的季节性成分建立关联，同时防止气象因素干扰趋势性成分，从而有效降低短期季节性气象波动对...
解读: 该双层分层注意力机制的光伏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'放大季节性、优先气象'策略深度挖掘气象与光伏数据关联,可显著提升SG系列逆变器功率预测精度超10%,优化MPPT控制策略。该技术可集成至ST储能系统的能量管理算法,实现光储协同预测调度,有效应对光伏...
基于过渡天气识别与气象预测误差传播的两阶段超短期风电功率预测方法
A Two-Stage Ultra-Short-Term Wind Power Forecasting Method Based on Transitional Weather Identification and Meteorological Prediction Error Propagation
Wei Zhang · Hang Sun · Jiyuan Gao · Gangui Yan 等5人 · IEEE Transactions on Sustainable Energy · 2025年7月
精确的风电功率预测对电力系统安全经济运行至关重要。然而，在过渡天气条件下，风速等气象变量的预测误差增大，导致输入噪声增加，降低预测模型可靠性。本文分析气象输入变量的误差传播机制，提出一种提升过渡天气下短期风电预测精度的策略。首先通过多维气象变量波动特征识别过渡天气时段，进而构建稀疏变分高斯过程（SVGP）与含噪输入高斯过程（NIGP）相结合的两阶段模型，将含噪输入分解为真实数据与噪声并独立建模。通过考虑输入噪声在风电预测中的传播过程并进行修正，SVGP-NIGP模型显著提高了确定性预测精度与区间...
解读: 该风电预测方法对阳光电源储能与风电产品线具有重要应用价值。特别是在ST系列储能变流器和风电变流器中,可将SVGP-NIGP预测模型集成到控制算法中,提升系统在过渡天气下的调度精度。通过对气象预测误差的量化与修正,可优化PowerTitan储能系统的充放电策略,提高新能源-储能联合运行效率。该技术还可...
基于两阶段分解与综合相对重要性分析的可解释风速预测
Interpretable wind speed forecasting through two-stage decomposition with comprehensive relative importance analysis
Huanze Zeng · Binrong Wu · Haoyu Fang · Jiacheng Lin · Applied Energy · 2025年1月 · Vol.392
摘要 准确的风速预测为风电场的高效调度与运行提供了关键的决策支持，从而保障智能电网的稳定运行。然而，风速序列固有的波动性和非平稳性给提升预测精度带来了挑战。现有研究表明，风速与多种气象因素之间存在密切的相关性；有效利用这些气象数据可显著提高风速预测的准确性。本研究提出了一种新颖的短期多变量可解释风速预测方法，旨在同时提升预测的准确性和可解释性。所提出的模型融合了两阶段分解过程、综合相对重要性分析（CRIA）、基于牛顿-拉夫森的优化器（NRBO）以及可解释的深度学习模型——时间融合变换器（TFT）...
解读: 该风速预测技术对阳光电源风电变流器及储能系统具有重要应用价值。通过MVMD-CEEMDAN二级分解和CRIA特征选择,可显著提升风电场功率预测精度,优化ST系列储能变流器的充放电策略制定。TFT深度学习模型的可解释性为iSolarCloud平台的预测性维护提供决策支持,结合气象多变量分析可改进GFM...
一种考虑主要气象因素的超短期光伏功率预测两阶段LSTM优化方法
A Two-Stage LSTM Optimization Method for Ultrashort Term PV Power Prediction Considering Major Meteorological Factors
Yiwei Ma · Weixing Ma · Xingzhen Li · Yimeng Shen · IEEE Transactions on Industrial Informatics · 2024年9月
超短期光伏发电功率预测是并网光伏电站日内调度的重要任务之一。为解决传统预测方法的不足，本文提出一种考虑主要气象因素的新型两阶段长短时记忆网络（LSTM）优化方法用于超短期光伏发电功率预测。第一阶段，开发了一种输入数据优化方法以提高 LSTM 的准确性和效率，该方法结合了基于因子分析的主要气象因素提取、利用模糊 C 均值算法进行的相似模式聚类，以及基于灰色关联分析和余弦相似度的最大相似模式识别。第二阶段，提出一种使用改进麻雀搜索算法的 LSTM 优化方法以进一步提高预测精度。最后，综合实验结果表明...
解读: 从阳光电源的业务视角来看，这项基于两阶段LSTM优化的超短期光伏功率预测技术具有显著的战略价值。该技术直接契合公司在光伏电站智能化运维和能量管理系统方面的核心需求。 在技术价值层面，超短期（15分钟至4小时）功率预测的精度提升对阳光电源的多个业务板块具有直接影响。首先，对于光储融合系统，精准的功率...
考虑尾流时空耦合的风电场功率预测
Wind Farm Power Prediction with Wake Spatiotemporal Coupling
Yueteng Xie · Fangming Deng · Wenxiang Luo · Bo Gao 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
在动态气象条件下，风电机组群的功率预测面临尾流效应时空耦合的挑战。本文提出一种考虑尾流效应时空动态耦合的风电场功率预测方法。通过融合风机空间分布与实时气象数据构建动态图网络，实现尾流传播路径的自适应表征。设计双驱协同框架，在时空维度嵌入物理规律约束，缓解数据驱动模型在极端工况下的物理失真问题。构建时空解耦特征增强架构，捕捉风机间空间关联及多时间尺度气象特征。实验结果表明，该方法显著提升预测精度。
解读: 该风电场功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。其时空耦合建模方法可优化ST系列储能变流器的调度策略，提升PowerTitan大型储能系统在风光储多能互补场景下的运行效率。尾流效应动态预测技术可集成到iSolarCloud平台，增强新能源电站群的功率预测精度，为储能调度和电网调峰...
基于累积天空和典型气象年数据的欧洲双面光伏电站最佳倾角
Optimal tilt angles for bifacial photovoltaic plants across Europe based on cumulative sky and Typical Meteorological Year data
Apolline Ferry · Mattia Parenti · Martin Thebault · Christophe Menezo 等5人 · Solar Energy · 2025年1月 · Vol.293
摘要 欧洲2030年能源转型目标大力推动光伏电站的大规模普及，无论是在建筑层面还是陆地上的大型公用事业系统。预计到2030年，欧洲的光伏装机容量将达到900吉瓦，是2022年水平的4.3倍。目前，双面组件是公用事业级光伏系统的最佳选择，能够在增加极少成本的情况下提供更高的太阳能发电量。本文通过优化多种配置下的组件倾角，有助于提升欧洲范围内双面光伏电站的效率。典型气象年数据从PVGIS平台获取，覆盖按照50公里×50公里规则网格均匀分布于欧洲境内的2382个点位。针对每个地点构建累积天空辐射度，并...
解读: 该研究对阳光电源SG系列逆变器在欧洲地面电站的优化部署具有重要价值。双面组件最优倾角随纬度变化(26°-36°)及地面覆盖率(GCR)的影响分析,可指导1500V系统设计中的MPPT算法优化,提升前后表面发电量。结合iSolarCloud平台的气象数据接入,可为欧洲900GW光伏目标提供因地制宜的倾...
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1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%。...
基于有限数据的分布式区域光伏功率预测：一种鲁棒的自回归迁移学习方法
Distributed-regional photovoltaic power generation prediction with limited data: A robust autoregressive transfer learning method
Wanting Zheng · Hao Xiao · Wei Pei · Applied Energy · 2025年1月 · Vol.380
摘要 本文提出了一种针对高比例数据缺失场景下的分布式区域光伏发电功率预测方法。该方法通过两个关键策略增强光伏发电信息的可用性。首先，针对区域内具有有限可用光伏发电数据的参考电站，构建了一种基于DSC-LightGBM算法的可解释性预测模型，以提高光伏发电功率预测的准确性。针对这些电站在气象数据获取方面存在的不足，通过物理建模引入太阳高度角和太阳时角等太阳辐射特征，并采用Shapley加性解释（SHAP）可解释算法分析原始特征与增强特征的重要性。其次，为解决区域内大量非参考电站在实际运行中数据匮乏...
解读: 该分布式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。针对区域内大量电站数据缺失场景,其自回归迁移学习方法可显著提升SG系列逆变器集群的发电预测精度(误差降低25.8%-50.3%)。DSC-LightGBM算法结合太阳高度角等物理特征的建模思路,可优化PowerTi...
考虑时空特征的自适应编解码模型用于分布式光伏电站短期功率预测
Adaptive Encoder-Decoder Model Considering Spatio-Temporal Features for Short-Term Power Prediction of Distributed Photovoltaic Station
Xun Dou · Yehang Deng · Shunjiang Wang · Tianfeng Chu 等6人 · IEEE Transactions on Industry Applications · 2024年1月
考虑到运维成本和技术的影响，分布式光伏电站群内部通常缺乏足够的气象观测设备。所采集气象数据的偏差以及软硬件限制导致的光伏功率数据误差，将直接导致模型预测精度降低。为解决这一问题，本文提出一种具有自适应时空编解码结构的分布式光伏功率短期预测方法，该方法能够适应不同数据输入和不同天气条件下的预测需求，提高预测精度。首先，利用随机森林算法（RF）和皮尔逊相关系数（PCC）对特征重要性进行排序，选取关键输入数据。其次，提出一种基于长短期记忆网络（LSTM）和时空注意力机制（STA）的时空特征编解码模型，...
解读: 从阳光电源的业务视角来看，这项基于自适应时空编解码器的分布式光伏短期功率预测技术具有显著的战略应用价值。 **业务协同价值：**该技术直击分布式光伏电站运维痛点——气象观测设备不足导致的预测精度下降问题。对于阳光电源的智慧能源管理系统而言，精准的功率预测是实现光储协同优化的基础。通过LSTM与时空...
利用LGB模型和合成特征增强光伏功率预测
Enhancing Photovoltaic Power Forecasting Using the LGB Model and Synthetic Features
Costanza Luppi · Francesco Lo Franco · Vincenzo Cirimele · Mattia Ricco 等5人 · IEEE Journal of Photovoltaics · 2025年4月
在过去十年里，对可持续能源不断增长的需求使得人们对光伏发电产生了浓厚兴趣。由于光伏发电具有间歇性，准确的光伏功率预测对于光伏系统的高效管理和监测至关重要。在这种情况下，气象数据的准确性至关重要。然而，并不总是能够在当地获取此类数据，而且通常像辐照度这样的一些信息是从其特性未被详细了解的模型中获取的。为克服这一局限性，本研究评估了五种合成特征，这些特征结合了晴空全球水平辐照度和云量数据，用于在没有直接测量数据的情况下估算总辐照度。使用轻梯度提升模型来评估采用这些合成特征的模型的预测性能，并与基于包...
解读: 该LGB模型结合合成特征的光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有直接应用价值。通过时间序列衍生特征和环境变量非线性组合，可显著提升SG系列光伏逆变器的短期功率预测精度，优化MPPT算法的前瞻性控制。在PowerTitan储能系统中，精准的光伏出力预测能改进充放电策略制定，提...
用于应对可再生能源季节性长期波动的氢储能混合三层次优化配置
Hybrid tri-level optimal sizing of hydrogen storage for addressing long-term seasonal fluctuation of RES
Qianwen Hu · Gengfeng Li · Bingkai Huang · Qiming Yang 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
受气候条件影响的可变性可再生能源（RES）导致季节性电力供需失衡。氢储能（HES）的合理配置可缓解由负荷变化、气候变异及季节性气象条件引起的长期电力不匹配问题。针对传统单一不确定性集合难以刻画不同季节RES在长期气候影响下的不确定性特征，本文提出一种融合年际长期与季节性波动的混合三层次规划框架，结合分布鲁棒优化（DRO）与自适应鲁棒优化（ARO）。通过范数约束构建典型气候下RES概率分布模糊集，并采用数据驱动DRO处理长期不确定性；基于RES季节性气象特征建立多不确定性集合，利用ARO重构最坏场...
解读: 该氢储能混合三层次优化配置技术对阳光电源PowerTitan大型储能系统及ESS集成方案具有重要应用价值。针对可再生能源季节性波动问题，所提出的DRO与ARO融合框架可直接应用于ST系列储能变流器的容量配置优化，特别是在光储氢多能互补场景中，能够精准应对长期气候不确定性与季节性负荷波动。该方法可增强...
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,...
时空特征编码的深度学习方法用于屋顶光伏潜力评估
Spatiotemporal feature encoded deep learning method for rooftop PV potential assessment
Jian Xuab · Zhiling Guo · Qing Yuc · Kechuan Dongd 等7人 · Applied Energy · 2025年1月 · Vol.394
摘要 屋顶光伏（PV）系统是提升城市环境中可再生能源利用的一种有前景的解决方案。准确估算屋顶光伏系统的发电潜力受到复杂城市形态所引起的遮蔽效应的制约，这些效应显著降低了屋顶表面的太阳辐照度，从而导致预测误差。传统的遮蔽模拟方法计算成本高昂，凸显了在计算效率与评估精度之间实现精细平衡的必要性。本研究提出了一种创新的深度学习框架，能够有效编码多种时空数据源，以精确预测阴影投射并计算屋顶光伏潜力。具体而言，基于物理原理的真实数据，结合U-Net网络、三维（3D）建筑细节、太阳能资源数据以及气象参数，使...
解读: 该时空特征编码深度学习框架对阳光电源屋顶光伏系统规划具有重要价值。研究通过U-Net网络精准预测建筑阴影对发电量的影响(平均损失5.32%),可优化SG系列逆变器的MPPT算法在遮挡工况下的功率追踪策略。158倍的计算加速能力可集成至iSolarCloud平台,实现大规模城市屋顶光伏资源快速评估与选...
一种用于短期光伏发电功率预测的三阶段混合模型
A three-stage hybrid model for short-term photovoltaic power prediction
Xiuying Yan · Yutong Caob · Solar Energy · 2025年1月 · Vol.301
准确预测光伏发电功率对于可再生能源的调度至关重要。为在气象条件波动的情况下提高预测精度，本文提出了一种用于短期光伏发电功率预测的三阶段混合模型，该模型融合了相似日优化、多级信号处理和混合预测方法。首先，将历史数据划分为多个时间段，并采用基于主成分分析-牛顿-拉夫逊优化器-K-means++（PCA-NRBO-K-means++）的聚类算法识别各时间段内不同的天气类型；在同一天气类型中选取与目标日相似的时间段，并重构相似日数据集。其次，通过变分模态分解-模糊熵（VMD-FE）与自适应噪声完备集合经...
解读: 该三阶段混合预测模型对阳光电源iSolarCloud智慧运维平台及ST系列储能变流器具有重要应用价值。通过PCA-NRBO-K-means++聚类算法实现相似日优选,结合VMD-FE和CEEMDAN-FE多层信号分解,可将光伏功率预测RMSE降低72.4%,显著提升SG系列逆变器与PowerTita...
ConvODE-Mixer：一种用于超短期光伏功率预测的多模态深度学习模型
ConvODE-Mixer: A multimodal deep learning model for ultra-short-term PV power forecasting
Binbin Yonga · Yanxiang Zhang · Jun Shenb · Aiai Renb 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 太阳能已成为应对全球能源与环境挑战的关键可再生能源。由于气象因素引起的光伏发电随机波动，光伏功率预测仍面临重大挑战，可能引发电网不稳定事件。本文提出了一种名为ConvODE-Mixer的多模态模型，该模型将卷积神经网络（CNN）与神经常微分方程（NODE）相结合，以提高超短期光伏功率预测的准确性。通过融合地面云图（GBCI）和气象数据，ConvODE-Mixer采用多尺度轻量化缩减型空洞空间金字塔池化（LR-ASPP）分割模块来捕捉云层厚度的变化，并引入通道注意力机制对光透射率敏感特征进行...
解读: 该ConvODE-Mixer多模态超短期光伏功率预测技术对阳光电源SG系列逆变器及ST储能系统具有重要应用价值。通过融合地基云图与气象数据,10分钟预测精度显著提升(MSE降低40.45%),可深度集成至iSolarCloud平台实现预测性运维。该技术能优化储能系统充放电策略,配合GFM控制技术提升...
基于领域对抗时序网络的跨区域分布式光伏系统功率预测可迁移框架
A Transferable Framework of PV Power Forecasting for Cross-Regional Distributed PV Systems Using Domain Adversarial Temporal Network
Jiaqi Qu · Qiang Sun · Zheng Qian · Hamidreza Zareipour 等5人 · IEEE Transactions on Industrial Informatics · 2025年7月
气象预报数据的缺失增加了分布式光伏系统输出功率预测的不准确性。特别是对于跨地区新建的分布式站点而言，基于数据驱动方法的建模受到历史数据不足的限制。因此，本文提出了一种基于迁移学习（TL）的领域对抗性时间网络（DATN）框架，该框架包含两个主要模块，即功率时间预测器和领域分类器。其中，考虑长短期记忆网络隐藏层权重的领域分类器旨在减少源领域和目标领域之间的分布差异。DATN采用了跨领域对抗性预训练与特定目标预测调整的迁移学习策略。在四项跨区域迁移实验中，对领域自适应方法和迁移策略的效果进行了比较。本...
解读: 从阳光电源的业务视角来看，这项基于域对抗时序网络的跨区域光伏功率预测技术具有显著的战略价值。该技术通过迁移学习框架解决了分布式光伏系统中气象数据缺失和新建站点历史数据不足的核心痛点，这与我司在全球范围内快速部署分布式光伏解决方案的业务需求高度契合。 对于我司的智能光伏逆变器和iSolarCloud...
基于多模态模型的分布式光伏电站多步功率预测方法
Multi-step power forecasting method for distributed photovoltaic (PV) stations based on multimodal model
Siyuan Fan · Hua Genga · Hengqi Zhang · Solar Energy · 2025年1月 · Vol.298
我们开发了一种融合视觉与物理信息的多模态光伏发电功率预测方法，以解决传统预测方法在应对光伏面板状态变化方面的不足。利用监测设备获取的时间序列图像来观测光伏状态随时间的变化情况，并采用皮尔逊相关系数评估气象与环境因素同光伏功率之间的关系。提出了一种三阶段混合数据重构方法，以解决光伏系统中数据缺失、噪声较高以及时间戳不同步等问题。采用卷积特征提取网络分析光伏面板遮挡对发电效率的影响。引入一种可学习权重的交叉注意力特征融合机制，以克服单一数据融合策略在捕捉复杂相关性方面的局限性。实验结果表明，所提出的...
解读: 该多模态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。通过融合监控图像与物理数据的三阶段混合重建方法,可显著提升SG系列逆变器的MPPT优化精度,特别是在组件遮挡场景下。多步预测能力(MSE提升45.40%)可增强ST系列储能变流器的充放电策略优化,实现更精准的削峰填...
由于电池级EQE变化导致的光伏组件光谱失配损失
Photovoltaic Module Spectral Mismatch Losses Due to Cell-Level EQE Variation
Rajiv Daxini · Kevin S. Anderson · Joshua S. Stein · Marios Theristis · IEEE Journal of Photovoltaics · 2025年3月
理解太阳光谱变化对光伏（PV）设备输出的影响，对于准确可靠的光伏性能建模至关重要。尽管以往的研究已在组件层面广泛研究了这些光谱效应，但本研究在电池层面考察了光谱影响，以及后续的电流失配对组件层面输出的影响。本研究分析了11个新型商用光伏组件的电池级外量子效率（EQE）数据。结合实测的电池EQE数据，以及美国本土范围内分辨率约为20千米、为期一年的网格化气象数据和光谱辐照度模拟数据，计算了由组件限制电池的光谱失配因子所决定的组件功率输出。研究发现，由于组件内EQE的变化，组件的年化输出仅有约0.2...
解读: 该研究揭示的电池级EQE差异导致的光谱失配损失，对阳光电源SG系列光伏逆变器的MPPT算法优化具有重要价值。传统MPPT算法基于理想组件特性，未考虑单元电池EQE非均匀性在不同光谱条件下的动态影响。阳光电源可将此机理融入智能MPPT策略，针对晨昏、阴天等光谱变化场景进行功率跟踪修正，提升发电量0.5...
一种基于双流注意力机制的混合网络用于光伏发电预测
A Novel Dual-Stream Attention-Based Hybrid Network for Solar Power Forecasting
Rafiq Asghar · Michele Quercio · Lorenzo Sabino · Assia Mahrouch 等5人 · IEEE Access · 2025年1月
光伏发电功率预测对保障电网安全运行、降低运营成本具有重要意义。本文提出一种基于双向长短期记忆网络（BiLSTM）与卷积神经网络（CNN）的新型双流混合模型，通过并行提取时间与空间特征，并融合多头注意力机制强化关键特征选择。该模型在不同时间窗口、四季及天气条件下进行实验验证，并与三种单一模型和五种混合深度学习模型对比。结果表明，所提模型在多种气象、季节与气候条件下均具备优异的光伏功率预测精度。
解读: 该双流注意力混合预测模型对阳光电源iSolarCloud智能运维平台和ST系列储能系统具有重要应用价值。BiLSTM-CNN双流架构可集成至云平台的功率预测模块，通过多头注意力机制提升不同季节和天气条件下的预测精度，优化SG系列逆变器的MPPT算法动态响应。对PowerTitan大型储能系统，精准的...
天然盐湖中盐度梯度太阳能池的热优化以实现可再生热能储存与卤虫养殖的协同增效
Thermal optimization of salinity gradient solar ponds in natural salt lakes for simultaneous renewable heat storage and Artemia cultivation
Mohana Alanazi · Abdulaziz Alanazi · Yassir A.Alamri · Elimam Abdallah Alid 等6人 · Solar Energy · 2025年1月 · Vol.301
摘要 自然盐湖，如大盐湖、艾尔湖和乌尔米耶湖，作为可再生能源储存系统在盐度梯度太阳能池（SGSPs）方面具有巨大潜力。值得注意的是，乌尔米耶湖栖息着可在高盐环境中繁盛生长的卤虫（Artemia），其以藻类为食，能够改善水体透明度，从而提高系统的热效率，并带来生态与经济双重效益。本研究评估了在这些天然适宜环境中建设SGSPs的可行性及其热性能优化方案。基于Crank–Nicolson有限差分法建立了数值模型，利用自然盐湖逐月实际气象数据模拟SGSP的热行为。该模型探讨了不同分层厚度（上对流区UCZ...
解读: 该盐梯度太阳池储热技术为阳光电源ST系列储能系统提供创新启示。研究显示115°C峰值温度和湿度对热效率5.89°C提升,可指导PowerTitan液冷储能系统的热管理优化。盐湖环境的长周期储热特性与我司大规模储能解决方案的季节性调峰需求高度契合,NCZ厚度优化策略可借鉴于电池簇热分层控制。建议结合i...
第 1 / 2 页