找到 15 条结果 · Applied Energy
家庭电池储能系统在配电网中控制的机器学习与MPC方法比较
Comparison of machine learning and MPC methods for control of home battery storage systems in distribution grids
Felicitas Mueller · Stevende Jongh · Claudio A.Cañizares · Thomas Leibfried 等5人 · Applied Energy · 2025年1月 · Vol.400
本文在主动配电网的影响及其交互作用背景下，提出并比较了采用传统优化技术与最先进的机器学习方法实现的家庭能源管理系统控制策略。首先介绍了基于模型预测控制算法的模型驱动方法，并将其在不同预测精度条件下与基于模仿学习和强化学习的无模型方法进行对比。以一种实用的、当前最先进的启发式规则控制器作为基准。通过目标函数值、电网约束违反情况以及计算时间等指标进行了深入比较。讨论了将这些家庭能源管理系统应用于一个包含13个连接住户的真实德国低压基准电网时的结果，每个住户均配备光伏发电、电池储能系统及电力负荷。结果...
解读: 该研究对阳光电源ST系列储能变流器和PowerTitan系统的能量管理优化具有重要参考价值。文章对比了MPC模型预测控制与机器学习方法在家庭储能系统中的应用效果,验证了模仿学习在计算效率与性能间的最佳平衡。建议将此技术融入iSolarCloud平台的智能控制算法,通过强化学习优化多户储能系统的协同调...
数据驱动方法在太阳能预测中的研究综述
A review on data-driven methods for solar energy forecasting
Nifat Sultan · Narumasa Tsutsumid · Applied Energy · 2025年1月 · Vol.400
摘要 太阳能光伏发电已成为增长最快的电力生产技术之一，对无碳能源的生产做出了重要贡献。为了充分挖掘其潜力并确保电网的高效集成，精确的太阳能预测技术至关重要。本文通过一项针对2013年至2022年间发表的1323篇研究论文的深入文献计量分析，系统地评述了全球在太阳能预测研究领域的学术贡献。在此基础上，对其中75篇具有重要影响力的文献进行详细考察，揭示了预测方法的发展脉络与当前研究现状。我们评估了统计模型、机器学习、深度学习以及混合模型的应用情况，并分析了它们在不同时间尺度和地理环境下的预测性能。分...
解读: 该综述揭示的深度学习混合预测模型对阳光电源iSolarCloud平台具有重要价值。通过集成机器学习算法可使ST储能系统的充放电策略优化提升20%以上精度,增强电网友好性。深度学习方法可应用于SG逆变器的MPPT算法优化,结合气象参数实现更精准的发电功率预测。混合模型架构为GFM/VSG控制策略提供前...
物理引导的机器学习利用稀疏、异构的公开数据预测全球太阳能电站性能
Physics-guided machine learning predicts the planet-scale performance of solar farms with sparse, heterogeneous, public data
Jabir Bin Jahangi · Muhammad Ashraful Alam · Applied Energy · 2025年1月 · Vol.396
摘要 光伏（PV）技术格局正在迅速演变。为了预测新兴光伏技术的潜力和可扩展性，必须对这些系统在全球范围内的性能有全面的理解。传统上，大型国家级研究机构的实验和计算研究主要关注特定区域气候条件下的光伏性能。然而，将这些区域性研究结果综合起来以理解其全球性能潜力已被证明十分困难。鉴于获取实验数据的成本高昂，在政治分裂的世界中协调各国国家实验室开展实验存在挑战，以及大型商业运营商的数据隐私顾虑，人们迫切需要一种根本不同且数据效率更高的方法。本文提出了一种面向光伏的物理引导机器学习（PGML）方法，证明...
解读: 该物理引导机器学习方法对阳光电源全球化布局具有重要价值。通过PVZones气候分区和稀疏数据预测全球光伏性能,可优化SG系列逆变器的区域适配策略和MPPT算法参数。结合iSolarCloud平台,该技术能以少量站点数据预测不同气候区的发电潜力,指导ST储能系统容量配置,降低新市场前期勘测成本。数据高...
超级电容器研究中的能量存储：从分子模拟到机器学习的跨学科应用
Energy storage in supercapacitor researches: Interdisciplinary applications from molecular simulations to machine learning
Yawen Dong1 · Yutong Liu1 · Feifei Mao · Hua Wu · Applied Energy · 2025年1月 · Vol.393
摘要 科学界持续关注超级电容器（SCs），因其在环境保护和能量存储方面具有重要意义。超级电容器的性能取决于比容量、循环稳定性、功率密度和能量密度等关键特性，其中电极材料的性能、电极与电解质之间的相互作用以及电极表面或层间的电荷转移过程，对超级电容器整体性能具有显著影响。在超级电容器的研究领域中，计算模拟的应用至关重要，因其具备强大的模拟计算与预测能力。本文综述了近年来利用密度泛函理论（DFT）和机器学习（ML）技术设计与优化超级电容器的最新进展。我们总结了DFT在理解电极材料的电子结构、电荷存储...
解读: 该超级电容器研究整合DFT、分子动力学与机器学习的方法论,对阳光电源储能系统具有重要价值。在ST系列PCS和PowerTitan产品中,可借鉴ML技术优化电极材料设计,提升功率密度和循环寿命;将SOH预测算法应用于iSolarCloud平台,实现储能设备健康状态智能监测;结合SiC器件特性,通过计算...
基于机器学习与计算流体动力学的核电厂热能储存集成动态评估与优化
Dynamic Assessment and Optimization of Thermal Energy Storage Integration with Nuclear Power Plants Using Machine Learning and Computational Fluid Dynamics
Muhammad Faizan · Imran Afgan · Applied Energy · 2025年1月 · Vol.391
摘要 本研究利用相变材料（PCM）将热能储存（TES）系统与核电厂（NPPs）进行集成，采用计算流体动力学（CFD）模拟与机器学习技术，以提升核电厂的整体效率与盈利能力。本研究的创新性不仅在于分析PCM热物理特性、设计参数及输入条件对系统性能的影响，更在于开发一种可有效集成于核电厂的TES系统，解决包括输入参数的动态评估以及响应实时需求波动时对可用过剩能量的利用等关键挑战。为开展分析，共执行了2500组CFD模拟，用于评估垂直环形通道内相变行为。系统地分析了诸如传热流体注入条件和多种PCM特性等...
解读: 该研究的CFD仿真与机器学习优化方法对阳光电源ST系列储能系统具有重要借鉴价值。核心启示包括:1)动态评估技术可应用于PowerTitan储能系统的实时需求响应优化,提升削峰填谷效率;2)多目标遗传算法(MOGA)可用于优化PCS充放电策略,平衡充电时长与能量密度;3)ANN预测模型可集成至iSol...
机器学习预测三重管相变材料蓄热系统熔化响应时间的潜力
The potential of machine learning to predict melting response time of phase change materials in triplex-tube latent thermal energy storage systems
Peiliang Yan · Chuang Wen · Hongbing Ding · Xuehui Wang 等5人 · Applied Energy · 2025年1月 · Vol.390
准确预测熔化响应时间对于优化热能储存系统至关重要，这类系统在解决建筑环境中热能供需之间的时间不匹配问题中发挥着关键作用。本研究旨在定量预测一种新型三重管热能储存系统的熔化响应时间，该系统结合了相变材料和Y形翅片以增强传热性能。基于焓-孔隙度方法建立了数值模型来模拟熔化过程，在不同的设计和运行条件下共生成60个案例的数据集，其熔化响应时间范围为15至45分钟。研究的关键参数包括翅片角度（10°–30°）、翅片宽度（5–15 mm）以及传热流体温度（60 °C–80 °C）。在模型构建之前，验证了变...
解读: 该相变储能系统的机器学习优化技术对阳光电源ST系列储能变流器和PowerTitan液冷储能系统具有重要借鉴价值。研究中XGBoost算法对热响应时间的92%预测精度,可应用于我司液冷储能系统的热管理优化,特别是三电平拓扑功率器件的散热预测。传热流体温度和翅片宽度作为主导因素的发现,可指导PowerT...
基于智能电表数据的低碳技术配电网络近实时机器学习框架
Near real-time machine learning framework in distribution networks with low-carbon technologies using smart meter data
Emrah Dokur · Nuh Erdogan · Ibrahim Sengor · Ugur Yuzg 等5人 · Applied Energy · 2025年1月 · Vol.384
摘要 随着光伏、电动汽车、热泵和储能装置等低碳技术的广泛应用，配电网络面临日益突出的拥塞和电能质量问题，尤其是对电压稳定性带来了显著挑战。增强低压配电网中的电压可观测性对于主动电网管理变得愈发重要，因此高效准确的电压预测工具显得尤为关键。本研究提出了一种新颖的数据驱动方法，用于在低碳技术高渗透率的低压配电网中进行节点电压预测。该方法利用来自智能电表数据的功率时间序列，将极限学习机（Extreme Learning Machine）与单候选优化器（Single Candidate Optimize...
解读: 该近实时电压预测技术对阳光电源智慧能源管理系统具有重要价值。可集成至iSolarCloud平台,结合智能电表数据实现配电网电压预测,为ST系列储能变流器和SG系列光伏逆变器提供前瞻性调控依据。极限学习机算法的17倍计算效率提升,可优化PowerTitan储能系统的实时响应策略,在高渗透率低碳场景下实...
基于机器学习方法的大型光伏电站选址潜力空间评估：以日本爱知县为例
Spatial assessment of utility-scale solar photovoltaic siting potential using machine learning approaches: A case study in Aichi prefecture, Japan
Linwei Taoa · Kiichiro Hayashi · Sangay Gyeltshen · Yuya Shimoyam · Applied Energy · 2025年1月 · Vol.383
最优的空间规划对于大型光伏（PV）开发至关重要，有助于实现高效能源利用，并缓解土地利用冲突与环境干扰。传统的多准则决策方法通常存在固有的主观性和较差的可迁移性，而机器学习（ML）技术则为选址潜力评估提供了数据驱动的分析视角。然而，在应对复杂且具有地点特异性的实际情况时，模型预测结果的本地适用性仍是一个挑战。为解决上述问题，本研究提出了一种基于机器学习的比较框架用于选址潜力评估，并整合了分层级的法规限制因素。首先，构建了一个真实世界的数据集，包含数字化的光伏设施位置清单以及来自地形、气候、环境和社...
解读: 该机器学习选址评估框架对阳光电源地面光伏电站系统集成具有重要应用价值。研究揭示的非线性影响因素(日照时长、坡度、土地价格等)可优化SG系列逆变器配置方案和PowerTitan储能系统部署策略。通过整合地形、气候、环境多维数据,可提升iSolarCloud平台的智能选址功能,实现电站前期规划的数据驱动...
利用机器学习对金属-有机框架材料进行从材料到系统的宽范围筛选以用于氢气储存
Broad range material-to-system screening of metal–organic frameworks for hydrogen storage using machine learning
Xinyi Wang · Hanna M.Breunig · Peng Peng · Applied Energy · 2025年1月 · Vol.383
摘要 氢气在向可持续能源系统转型过程中起着关键作用，在发电和工业应用中具有重要地位。金属-有机框架材料（MOFs）已成为高效氢气储存的有前景的介质。然而，由于目前已合成的MOF种类极为庞大，筛选出具备实际应用潜力的候选材料仍具挑战性。本研究结合分子模拟、机器学习与技术经济分析，评估了MOFs在广泛运行条件下用于氢气储存的综合性能。以往对MOF数据库的筛选主要关注低温条件下高氢吸附容量的材料，而本研究发现，实现成本最小化的最优温度和压力取决于MOF的原材料价格。具体而言，当MOF的价格为15美元/...
解读: 该MOF氢储能研究对阳光电源储能系统具有前瞻价值。研究揭示的机器学习筛选方法可借鉴于ST系列储能系统的热管理优化,特别是170-250K温区的成本最优化思路可应用于PowerTitan液冷系统设计。高比表面积材料特性分析为未来氢储能与光伏耦合系统提供技术路径,iSolarCloud平台可集成氢储能预...
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%。...
利用冲击射流和多孔介质增强PVT/空气系统性能：一种结合机器学习预测的计算方法
Enhancing PVT/air system performance with impinging jet and porous media: A computational approach with machine learning predictions
Somayeh Davoodabadi Farahani · Mehdi Khademi Zar · As'ad Alizadeh · Applied Energy · 2025年1月 · Vol.377
热光伏系统（PVT）吸收太阳能并将其转化为电能。太阳能电池温度的升高会降低其发电效率。本研究采用多孔介质与冲击气流射流对光伏组件（PV）进行冷却，以降低太阳能电池的工作温度。考虑了不同布置形式的冲击射流系统（单点与多点），用于评估光伏组件的发电效率。研究考察了雷诺数（Re）、太阳辐射强度、孔隙率系数、达西数（Darcy number）、无量纲多孔层厚度、射流及注入位置、射流速度与角度等因素对PVT系统效率的影响。结果表明，多孔介质通过提高有效导热系数并降低对流热阻，对降低光伏组件温度和提升其发电...
解读: 该PVT主动冷却技术对阳光电源SG系列光伏逆变器系统具有重要参考价值。研究表明冲击射流与多孔介质结合可提升电池效率达26%,这为我司1500V高功率系统的热管理优化提供新思路。其机器学习预测模型(GPR/ANFIS)可集成至iSolarCloud平台,实现光伏组件温度的智能预测与主动冷却控制,结合M...
一种面向模块化储热系统设计的高效机器学习方法
Computationally effective machine learning approach for modular thermal energy storage design
Davinder Singh · Tanguy Rugamb · Harsh Katar · Kuljeet Singh Grewal · Applied Energy · 2025年1月 · Vol.377
摘要 本研究提出了一种创新性方法，将计算流体动力学（CFD）与机器学习（ML）相结合，用于热能储存（TES）系统的设计与优化。基于使用CFD开展的放热过程参数化分析结果，训练了多种机器学习模型，包括线性回归、K近邻回归（KNN回归）、梯度提升回归（GBR）、XGBoost、LightGBM以及神经网络（NN）。结果表明，神经网络（NN）在预测混凝土和传热流体（HTF）温度随时间变化方面表现最优，是最适合的模型。训练后的机器学习模型为传统的CFD模拟提供了高效的替代方案，能够在不同入口条件、流速和...
解读: 该CFD与机器学习融合技术对阳光电源储能系统具有重要价值。可应用于PowerTitan液冷储能热管理优化,通过神经网络模型替代传统CFD仿真,计算效率提升99%以上。适用于ST系列PCS多模块级联散热设计,快速预测电池簇温度分布。该方法可集成至iSolarCloud平台,实现储能电站热失控预测性维护...
可解释且高精度的基于三级树的集成混合模型用于预测光电化学电池中的光电流密度和电极电势：理论支持并由实验数据外部验证
Interpretable and highly accurate tertiary tree-based ensemble hybrid models for the prediction of photocurrent density and electrode potential in PEC cell: Theoretically supported and externally validated by experimental data
Nepal Sahua · Chandrashekhar Azadb · Uday Kumar · Applied Energy · 2025年1月 · Vol.401
摘要 光电流密度（J）以及相对于可逆氢电极的电势（V RHE）是评估用于绿色氢气生产的光电化学（PEC）系统性能的关键参数。本研究旨在构建一种高精度、可解释、稳健且通用的机器学习模型，用于预测J和V RHE，并通过理论支持与外部验证加以证实。在本研究中，首先利用贝叶斯优化（BO）方法将两个单模型（M1, M2）结合，基于包含2593条记录的数据集开发了两个二元混合模型（M3, M4），随后进一步构建了两个用于预测J和V RHE的三级混合模型（M5, M6）。采用五组独立的实验数据集和三个基于物理...
解读: 该光电化学制氢预测模型对阳光电源绿氢储能系统具有重要参考价值。研究中的机器学习混合模型(R²>0.999)可应用于ST系列储能变流器的氢储能场景优化,通过预测光电流密度和电极电位提升制氢效率。SHAP可解释性分析揭示的带隙、电极面积等关键参数,可指导iSolarCloud平台开发光伏制氢预测性维护算...
集成多物理场建模与机器学习以提升质子交换膜水电解系统的效率与热管理
Integrating multiphysics modeling and machine learning for enhanced efficiency and thermal management in PEM water electrolyzer systems
Zilong Yanga · Jin Yangb · Haoran Sunb · Weiqun Liua 等6人 · Applied Energy · 2025年1月 · Vol.401
摘要 质子交换膜（PEM）水电解槽是实现可持续氢气生产的一项有前景的技术，然而在不同工况下优化其性能仍是一个关键挑战。本研究构建了一个优化问题，旨在考察关键操作参数（如入口流量Q_in和入口温度T_in）如何影响一个5 cm × 5 cm的PEM水电解槽的性能。目标是最大化系统效率、确保热安全性，并最小化辅助系统（BOP）的能耗。首先，提出了一种集管式直通道PEM水电解槽模型，该模型考虑了多物理场耦合效应，用以揭示入口温度和流量对氢气生产效率及BOP能耗的影响规律。随后，建立了用于提升系统性能的...
解读: 该PEM电解槽多物理场建模与机器学习优化技术对阳光电源氢能业务具有重要借鉴价值。研究中的热管理策略、效率优化方法可直接应用于ST系列储能变流器的热设计优化,通过ANN-PSO算法降低计算成本的思路可迁移至iSolarCloud平台的预测性维护模块。多物理场耦合仿真经验可支撑SiC器件在大功率电解系统...
完全数据驱动且模块化的建筑热控制与物理一致性建模
Fully data-driven and modular building thermal control with physically consistent modeling
Mina Montazeria1 · Carl Remlingerb1 · Benjamin Bejar Haro · Philipp Heer · Applied Energy · 2025年1月 · Vol.390
摘要 机器学习在智能建筑领域经历了显著的发展，无论是在建筑建模还是能源管理方面均是如此。数据驱动方法利用可获得的测量数据，绕过基于物理模型的缓慢且昂贵的校准过程，从而提供更高的适应性、更低的维护成本以及更大的灵活性。然而，这些模型的质量依赖于历史数据，而新建建筑可能缺乏足够的历史数据。本文提出了一种从温度建模到供暖控制完全数据驱动的模块化方法，在将控制器从源建筑迁移到目标建筑时仅需少量数据。该控制器由两个模块组成：一个深度强化学习代理，用于管理期望的室内温度；以及一个针对每个房间特定的执行动作映...
解读: 该模块化数据驱动控制技术对阳光电源储能系统(ST系列PCS、PowerTitan)及充电站热管理具有重要价值。其深度强化学习架构可迁移至储能温控优化,仅需少量现场数据即可适配不同容量电池簇的热管理策略。物理一致性建模思路可融入iSolarCloud平台,实现储能系统26%以上能耗优化。模块化acti...