1. 痛点问题 光伏太阳能发电是实现双碳目标的重要途径。目前主流的光伏发电技术采用的是晶硅太阳能电池，但是它仍然存在着多种问题。主要包括效率还有待进一步提高；光电转换效率受光照强度影响大（光照较弱的时候几乎不发电）；有倾斜角要求不适合用于立面；不便用于需要透光的场合如窗户等。 2. 解决方案 钙钛矿太阳能电池是新一代光伏发电技术的典型代表。钙钛矿是一类带隙可调的材料，因而可以用来制备效率更高的叠层太阳能电池。作为直接带隙材料，钙钛矿光吸收系数高，光电转换效率不受光照强度影响，而且可以利用散射光发电，因此钙钛矿太阳能电池安装没有倾斜角要求。此外，还可以制备半透明的钙钛矿太阳能电池。基于钙钛矿太阳能电池的这些特点，可以开发多种形式的太阳能电池新应用场景。本实验室开发了真空蒸发制备高效率钙钛矿太阳能电池的新工艺，并且通过多种方法大幅度提高了钙钛矿太阳能电池的稳定性，结合钙钛矿太阳能电池的特点可开发多种应用场景的太阳能光伏电池产品。 合作需求 可行的需求包括： 1、中试验证和连续化生产线需要场地约800平方米，购置相关的设备需要资金约2000万元。 2、从事光伏发电和清洁能源相关的企业，可开展合作技术开发和技术转让。

该成果可更细致的反应光伏组件户外输出性能，所研制的光伏组件户外特性测试平台，使光伏组件长期工作于户外环境下，实时监测其输出特性，并积累测量数据，以评估组件长期工作于户外环境下的输出性能，便于电站设计人员针对具体环境，选用更合理的光伏组件建设光伏系统。也为组件生产商和科研实验工作提供了更好的保障与技术支持。

成果简介本逆变器可以将太阳能电池组件接收到的太阳辐照能量逆变成和电网同频同相的正弦交流电直接并入到电网， 具体分为单相和三相两种逆变器。 逆变器具有最大功率点跟踪、 反孤岛效应功能以及完善的保护功能。成熟程度和所需建设条件样机基本完善， 初步具备了相关的功能， 后续需要一定的资金购买设备以便推出产品。技术指标基本符合国家标准。市场分析和应用前景从国家的中长期发展规划可知， 新能源发电始终是重中之重， 因

太阳能光伏光热联用技术就是将单一的光伏组件和太阳能集热器有机结合 起来，光伏组件即作为光电转换装置，又作为集热器的吸热体，同时将太阳能转 换成热能和电能，从而实现热电联产，以提高太阳能的综合利用率。光伏/光热集热器(photovoltaic thermal collector，简写为 PV/T 集热器)与传统独立的 光伏系统和集热系统相比，具有 1、提高了太阳能的综合利用率;2、它可以共 用一些组件，从而降低了系统的成本;3、减少了需要的安装面积，有利于建筑 的美观。

并网逆变器作为太阳能光伏并网发电系统的核心组成部分，对提高太阳能转换效率、输出高品质电能起着关键作用。光伏并网逆变器核心技术主要包括最大功率跟踪、直流变换电路、逆变控制技术和孤岛检测等。光伏组件将太阳能转化为直流电，经直流变换电路提升并稳定直流电压输出，再通过并网逆变电路将直流电转化为交流电，利用数字锁相技术和逆变控制技术，将与电网同频同相的高品质电能馈入电网，为保证并网发电系统不危及电网输电线路安全，孤岛检测技术能实时检测系统是否处于孤岛状态并能停止并网运行。本项目主要利用先进数字控制技术实现最大功率跟踪、逆变闭环控制、孤岛检测及系统保护等，特别在大功率三相并网发电逆变系统高品质输出的控制技术及太阳能直流电到输出电能的高转换率技术方面有技术积累。采用自主研发的控制技术，使得并网输出电流总畸变率低，输出功率因素高且可调，系统发电效率高。光伏并网发电监控软件可实时远程监控多台并网逆变器工作状态，具有记录、存储、图形化显示系统各项输出如电压、电流、馈入电网电能数量等功能。

并网逆变器作为太阳能光伏并网发电系统的核心组成部分，对提高太阳能转换效率、输出 高品质电能起着关键作用。光伏并网逆变器核心技术主要包括最大功率跟踪、直流变换电路、 逆变控制技术和孤岛检测等。光伏组件将太阳能转化为直流电，经直流变换电路提升并稳定直 流电压输出，再通过并网逆变电路将直流电转化为交流电，利用数字锁相技术和逆变控制技 术，将与电网同频同相的高品质电能馈入电网，保证并网发电系统不危及电网输电线路安全， 孤岛检测技术能实时检测系统是否处于孤岛状态并能停止并网运行。 本项目主要利用先进数字控制技术实现最大功率跟踪、逆变闭环控制、孤岛检测及系统保 护等，特别在大功率三相并网发电逆变系统高品质输出的控制技术及太阳能直流电到输出电能 的高转换率技术方面有技术积累。采用自主研发的控制技术，使得并网输出电流总畸变率低， 输出功率因素高且可调，系统发电效率高。光伏并网发电监控软件可实时远程监控多台并网逆 变器工作状态，具有记录、存储、图形化显示系统各项输出如电压、电流、馈入电网电能数量 等功能。

增透膜（Anti-reflective coating），又称减反射膜、抗反射膜，涂敷于材料表面以减少反射。作为光学涂层，广泛应用于各种光学器件中。在太阳能光伏玻璃表面涂敷增透膜，可以消除或减少反射，进一步提高光利用率，从而以较低的成本提高发电量为进一步提高光伏太阳能板的光透过率。设计了一种TiO2/SiO2/GQDs双层增透膜结构。此SiO2-TiO2/TiO2-GQDs结构的双层薄膜厚度为120 nm时，太阳能板上的光透过率由未涂敷的85%增加至95%。接触角实验和室外耐沾污实验测试表明，复合膜层接触角为10°，并具有良好的亲水性和耐环境性能。此外，户外实验表明，涂覆该薄膜的太阳能电板发电效率提高6%。由此说明双层增透膜可有效提高太阳能电池板的光能利用率和使用寿命，可高效利用太阳能。

增透膜（Anti-reflective coating），又称减反射膜、抗反射膜，涂 敷于材料表面以减少反射。作为光学涂层，广泛应用于各种光学器件中。在太阳 能光伏玻璃表面涂敷增透膜，可以消除或减少反射，进一步提高光利用率，从而 以较低的成本提高发电量为进一步提高光伏太阳能板的光透过率。设计了一种 TiO2/SiO2/GQDs 双层增透膜结构。此 SiO2-TiO2/TiO2-GQDs 结构的双层薄膜厚度为 120 nm 时，太阳能板上的光透过率由未涂敷的 85%增加至 95%。接触角实验和室 外耐沾污实验测试表明，复合膜层接触角为 10°，并具有良好的亲水性和耐环境 性能。此外，户外实验表明，涂覆该薄膜的太阳能电板发电效率提高 6%。由此说 明双层增透膜可有效提高太阳能电池板的光能利用率和使用寿命，可高效利用太 阳能。  相关技术指标：（1）透光率从 85-86%提高到 95%以上；（2）青浦区外青松公路的新能源电站，将增透膜工艺投入实际太阳能板发电项 目中试验区每日发电量提高 1-4%。  技术创新点：（1）自清洁性、增透性提升，提高光电转化效率；（2）涂覆液可稳定存储，不发生团聚现象； 

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

太阳能光伏并网发电系统可用于建筑光伏发电系统或中西部地区中小型集中组网光伏发电站。北京交通大学新能源研究所引进德国SMA公司先进的太阳能光伏并网发电设备，已成功并网运行两年多，掌握了大量光伏电站运行技术经验。 在消化吸收先进技术的基础上，自主研发了3kW光伏并网逆变器。该产品拥有最大功率点跟踪控制，能量输出控制，系统安全保护，孤岛检测等核心技术。此外，北京交通大学为德国SMA公司中国办事处开发了大屏幕光伏并网发电系统演示软件，无需专门的显示设备，可以在家用液晶、等离子电视或家用计算机上实时监控、演示系统状态。该软件目前已经成为该公司逆变器产品的配套中文软件，被广泛使用。 应用范围： 建筑光伏发电系统或中西部地区中小型集中组网光伏发电站。