找到 2 条结果
基于深度残差网络的PMSM驱动混合ANPC逆变器FCS-MPC权重因子自动整定
Weighting Factors Autotuning of FCS-MPC for Hybrid ANPC Inverter in PMSM Drives Based on Deep Residual Networks
Shuai Xu · Chunxing Yao · Guanzhou Ren · Zhenyao Sun 等6人 · IEEE Transactions on Power Electronics · 2024年12月
针对混合有源中点钳位（HANPC）逆变器在高功率应用中的复杂多目标控制问题，本文提出了一种基于深度残差网络的有限控制集模型预测控制（FCS-MPC）权重因子自动整定方法。该方法利用深度学习强大的非线性映射能力，有效解决了MPC中权重因子难以手动调节的痛点，提升了逆变器在多目标约束下的动态性能与稳态精度。
解读: 该技术对阳光电源的组串式及集中式逆变器产品线具有重要参考价值。随着光伏逆变器向更高功率密度和多电平拓扑（如ANPC）演进，传统MPC算法中权重因子的手动调试耗时且难以达到最优。引入深度残差网络实现权重因子的自动整定，能够显著提升逆变器在复杂电网环境下的动态响应速度和电能质量。建议研发团队关注该算法在...
基于天空图像的辐照度估计深度学习方法基准测试及其在视频预测型辐照度临近预报中的应用
Benchmarking deep learning methods for irradiance estimation from sky images with applications to video prediction-based irradiance nowcasting
Lorenzo F.C.Varaschi · Danilo Silva · Solar Energy · 2025年12月 · Vol.302
摘要 为应对光伏发电能源带来的高度不确定性，越来越多的研究聚焦于短期太阳能预测（即临近预报）。大多数此类研究采用基于深度学习的模型，通过输入的一段天空图像序列直接预测太阳辐照度或光伏功率值。然而，近年来生成模型的发展催生了一类将临近预报问题分解为两个子问题的新方法：（1）未来事件预测，即生成未来的天空图像；（2）太阳辐照度或光伏功率估计，即从单张图像中预测对应的数值。SkyGPT 模型便是其中一例，其性能提升潜力在估计组件中远大于生成组件。因此，本文聚焦于太阳辐照度估计问题，在广泛使用的 Fol...
解读: 该深度学习辐照度预测技术对阳光电源iSolarCloud智慧运维平台及ST储能系统具有重要应用价值。通过天空图像实现短期辐照度预测可优化光储协同控制策略:提升SG逆变器MPPT算法预判能力,改善PowerTitan储能系统充放电调度精度,降低光伏出力波动对电网的冲击。该双阶段预测方法(图像生成+辐照...