《卡塔尔首建光伏充电站以提升环保意识》

  • 来源专题:中国科学院文献情报先进能源知识资源中心 |领域情报网
  • 编译者: guokm
  • 发布时间:2019-11-26
  •  卡塔尔首座光伏充电站项目24日在首都多哈启动。这也是卡塔尔首座非化石燃料充电站,官方希望借此项目培养民众使用非化石燃料以加强环境保护意识。

      负责实施这一项目的卡塔尔水电总公司总裁库瓦里向媒体表示,光伏电站项目建设是“卡塔尔2030国家愿景”的一部分,旨在减少使用传统能源,降低碳排放量,实现经济可持续发展。

      据库瓦里介绍,项目占地270平方米,通过216块光伏面板采集太阳能并向电动汽车充电,剩余电能并入国家电网。光伏充电站预计可同时为2辆汽车充电,最快充电时间为每辆车15至20分钟。

      卡塔尔油气资源丰富,天然气储量位列全球第三,液化天然气出口量多年位居世界首位,然而,卡塔尔人均碳排放量也位居全球首位。

相关报告
  • 《印度研究人员创建更有效的太阳能光伏塔 可用于电动汽车充电站》

    • 来源专题:能源情报网信息监测服务平台
    • 编译者:guokm
    • 发布时间:2022-02-11
    • 据外媒报道,印度理工学院德里分校(IIT-D)的研究人员创建了高效、无阴影和自动转向的太阳能光伏塔,用于在特定地点全天候进行太阳能发电。 该校表示,这种“非机械”和“机械”跟踪太阳能光伏塔具有反射集中度,在印度所有高能量密度季节均可使用。 据介绍,这种太阳能光伏塔的容量为3kW和5kW,既可用于电动汽车充电站,也可用于屋顶太阳能发电。另外,还有益于带太阳能跟踪发电的车载太阳能塔,可用于农业目的,如太阳能抽水、拖拉机电池充电等。 该团队的负责人Dalip Singh Mehta教授表示:“研究人员成功实现了重量轻、性价比高的独特设计,将太阳能光伏塔与高反射率镜面结合在一起,以适应太阳的运动。与传统解决方案相比,非机械式和机械式太阳能塔分别能多产生20-25%和25-30%的电力,同时仅利用50-60%的屋顶空间。” 非机械跟踪太阳能塔:该太阳能电池板和高反射率镜面,以特定方式垂直安装(基于位置/城市)。从早上、中午到傍晚,均在太阳照射范围内,从而实现高效太阳能发电。该解决方案中部署的镜面/反射器,可全天(即上午8点至下午5 点)提高太阳能电池板的辐照度。从上午9点开始到下午4点,太阳能电池板上的太阳辐照度百分比增长超过50%,保持在1000 W/m2,与传统太阳能电池板相比,发电量增加了20-25%。 机械跟踪太阳能塔:带有反射器的太阳能光伏塔,配备低成本的可编程机电系统,可水平旋转太阳能塔。在这样的机制中安装单/双塔,整个系统带有面板和反射器,追循太阳的方向。在一天之中,面板以朝东方向开始,以朝西方向结束。到了第二天早上,面板又返回到朝东的位置。该创新跟踪系统不需要任何LDR传感器,只需要单轴跟踪,并且同一太阳能塔消耗的功率非常低。 作为一家领先的研究机构,IIT-D最近一段时间参与了许多关于可再生资源的活动。去年10月,该校与印度大型电力公司塔塔电力(Tata Power)签署了一份谅解备忘录,在智能电网技术和清洁能源选项方面进行合作。 双方同意共同确定可以从研发阶段转换到中试阶段的任务,以及电动汽车框架、专家系统、人工智能、氢技术、电池储能系统、监测和传感补救措施、微电网等领域的可伸缩性。
  • 《【Scientific Reports】基于深度学习的超快速充电站最佳光伏电池容量预测》

    • 来源专题:新能源汽车
    • 编译者:王晓丽
    • 发布时间:2025-09-11
    • 研究机构与人员: 本研究由 K. Lalbiakhlua, Subhasish Deb, Ksh. Robert Singh, Subir Datta, Hassan Abdurrahman Shuaibu & Taha Selim Ustun 共同完成。 发表期刊: 《科学报告》(Scientific Reports) (2025年)。 核心研究内容与效果: 本研究旨在解决超快充电站(UFCS)高耗电和对电网依赖性强的问题。研究团队开发了一个创新的优化框架,将深度学习太阳能预测与遗传算法(GA)优化相结合,用于精确计算光伏(PV)和电池储能系统(BESS)的最佳配置容量。 深度学习方法: 采用门控循环单元(GRU) 模型来预测光伏发电输出,提高了预测准确性。优化算法: 使用遗传算法(GA) 以净现值(NPV) 最大化为目标,针对工作日和周末不同的充电需求曲线,分别优化光伏和储能系统的规模。 显著经济效益: 模拟结果显示,仅集成光伏系统即可提升NPV达619万欧元;而光伏与储能系统结合的方案,能将NPV大幅提升至3397万欧元。考虑到未来设备成本下降,系统最高NPV可达3405万欧元。 系统可靠性: 通过能量充足率(ESR) 和自给率(AR) 两项指标进行分析,证实该方案显著增强了充电站的能源自给自足能力,降低了对主电网的依赖。 研究创新点: 本研究的核心新颖性在于将GRU深度学习预测与基于NPV经济性驱动的优化模型相结合,并 explicitly考虑了工作日与周末的需求差异,提供了更贴近现实的数据驱动解决方案。 结论: 该研究通过智能预测和进化优化,证明了采用光伏-储能混合供电的超快充电站具有巨大的技术潜力和经济价值,为部署智能、有弹性的电动汽车充电基础设施提供了重要参考。