找到 2 条结果 · 光伏发电技术
考虑中国典型特大城市的立面因素的建筑一体化光伏能源-经济-环境综合评价
Energy-economy-environment evaluation of building-integrated photovoltaic considering facade factors for representative megacities in China
Zhe Yu · Cuiying Chen · Duo Lou · Jingjing Jiang 等5人 · Applied Energy · 2025年7月 · Vol.389
尽管城市高层建筑立面接收到的太阳辐射量低于屋顶，但由于其面积更大，其潜在的能源输出仍然可观。本研究对中国典型气候区内的十座特大城市开展了建筑一体化光伏（BIPV）潜力的能源-经济-环境（3E）综合评估，并探讨了BIPV与电动汽车（EV）协同作用对城市可持续发展的意义。分析结果表明，BIPV系统，包括屋顶光伏（RPV）系统和朝南立面光伏（FPV）系统，可对城市电力供应做出显著贡献。具体而言，RPV系统可满足城市电力需求的29.10%。此外，在BIPV贡献较低的城市中，FPV系统作为关键基础设施，可...
解读: 该研究对阳光电源BIPV解决方案具有重要指导意义。研究表明RPV+FPV系统可提供城市29.10%电力需求并减排35.50%,验证了SG系列组串式逆变器在建筑立面应用的价值。BIPV-EV协同消纳9.78%过剩电力的发现,为阳光电源整合PowerTitan储能系统、充电桩产品与iSolarCloud...
可解释性机器学习揭示杂化钙钛矿太阳能电池的光电转换效率
Interpretable machine learning insights of power conversion efficiency for hybrid perovskites solar cells
Yudong Shi · Jiansen Wen · Cuilian Wen · Linqin Jiang 等7人 · Solar Energy · 2025年4月 · Vol.290
摘要 杂化有机-无机钙钛矿（HOIPs）太阳能电池因其高能量转换效率、易于制备以及低成本等优势，在光伏领域展现出广阔的应用前景。随着人工智能的蓬勃发展，机器学习（ML）近年来已被用于新型HOIPs材料的设计。然而，由于现有机器学习模型缺乏可解释性，其在HOIPs材料设计中的实际应用受到较大限制。本文提出一种数据驱动的可解释性机器学习方法，用于提取影响基于HOIPs太阳能电池功率转换效率（PCE）的通用且简洁的描述符。研究突出提出了两个由易于获取参数构成的描述符，可用于准确预测PCE，其预测性能优...
解读: 该可解释机器学习技术为阳光电源光伏逆变器研发提供重要启示。通过数据驱动方法快速筛选高效钙钛矿电池,可优化SG系列逆变器的MPPT算法适配性。研究中提出的简化描述符预测方法,可应用于iSolarCloud平台的组件性能预测模型,实现电站级效率优化。结合GaN功率器件特性,该方法有助于加速新型光伏材料与...