找到 2 条结果 · Applied Energy
中国废弃光伏分布的时空演化及能源-经济-环境-社会可持续效益综合评估
Spatiotemporal evolution of decommissioned photovoltaic distribution and integrated energy-economic-environmental-social sustainable benefit assessment in China
Jianli Zhou · Zihan Xu · Juan He · Dandan Liu 等8人 · Applied Energy · 2025年4月 · Vol.384
摘要 准确而详细地掌握中国废弃光伏（PV）系统在时间和空间上的分布特征，并结合对回收再利用这些废弃光伏组件所带来可持续性效益的全面评估，对于有效应对我国即将迎来的大规模光伏退役潮具有重要意义。目前，关于中国废弃光伏在时空分布及其回收利用方面的研究仍显不足。本研究采用随机森林与BP神经网络方法构建预测模型，刻画了2024年至2050年八种情景下废弃光伏的时空演化趋势，并从能源、经济、环境和社会四个维度对其可持续效益进行了综合评估。通过模糊层次分析法（FAHP）、基于指标间相关性的权重确定法（CRI...
解读: 该研究对阳光电源光储回收业务具有战略价值。2050年退役光伏将达670-1600GW,形成万亿级市场。阳光电源可结合iSolarCloud平台建立退役组件全生命周期追踪系统,为山东、河北等重点区域提前布局储能替代方案。ST系列储能系统可利用梯次利用组件降低成本,SG逆变器产品线需考虑模块化设计以延长...
解锁建筑一体化光伏与电池
BIPVB）系统深度强化学习中的预测洞察力与可解释性
Yuan Gao · Zehuan Hu · Shun Yamat · Junichiro Otomo 等9人 · Applied Energy · 2025年4月 · Vol.384
摘要 可再生能源的部署以及智能能源管理策略的实施对于建筑能源系统（BES）的脱碳至关重要。尽管数据驱动的深度强化学习（DRL）在优化BES方面已取得近期进展，但仍存在显著挑战，例如缺乏针对时间序列数据观测空间的研究以及模型可解释性的不足。本文首次将未来预测信息引入DRL算法中，以构建时间序列数据的观测空间，并采用门控循环单元（GRU）和Transformer网络与DRL算法相结合，用于建筑一体化光伏与电池（BIPVB）系统的运行控制。此外，通过将前沿的Shapley加性解释（SHAP）技术与所开...
解读: 该深度强化学习优化技术对阳光电源光储一体化系统具有重要应用价值。研究中的GRU/Transformer时序预测与DRL决策框架可直接应用于ST系列储能变流器的智能调度策略,结合电价预测信息实现成本降低10%以上。SHAP可解释性分析方法可增强iSolarCloud平台的AI决策透明度,为PowerT...