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...