找到 12 条结果 · Energy Conversion and Management
基于机器学习的两步算法预测变功率输入下质子交换膜水电解槽性能
Machine learning two-step algorithm for prediction of proton exchange membrane water electrolyzer cell performance under variable power inputs
Nikola Frani · Andrej Zvonimir Tomić · Frano Barbi · Ivan Piv · Energy Conversion and Management · 2025年1月 · Vol.343
摘要 可再生能源（如太阳能和风能）具有波动性，导致输入条件动态变化，难以通过传统的实验室方法进行复现和分析。本研究提出一种基于机器学习的方法，用于预测在动态功率输入条件下质子交换膜水电解槽（PEMWE）的性能，旨在降低实验复杂性，并加速控制系统开发及PEMWE技术的部署应用。本文开发了一种新颖的两步机器学习算法：首先采用前馈神经网络估计PEMWE的电流，然后利用长短期记忆网络架构预测氢气产量。模型训练与验证所用的实验数据来自八种不同功率曲线并在多种温度条件下采集获得。该算法在未见过的操作电压曲线...
解读: 该机器学习预测算法对阳光电源制氢储能系统具有重要应用价值。可集成至iSolarCloud平台,实现光伏-电解槽动态耦合优化:利用SG逆变器实时功率数据,通过神经网络预测PEM电解槽性能,指导ST储能系统功率调度策略。该两步算法(电流估算+产氢预测)可优化GFM控制下的波动功率管理,减少实验成本,加速...
基于数值模拟与机器学习建模优化住宅用质子交换膜燃料电池微型热电联产系统中的氢气储存
Optimization of hydrogen gas storage in PEM fuel cell mCHP system for residential applications using numerical and machine learning modeling
Taoufiq Kaoutar · Hasna Louahli · Pierre Schaetze · Energy Conversion and Management · 2025年1月 · Vol.341
摘要 本研究探讨了基于氢能源系统的集成与优化，重点在于将金属氢化物（MH）储氢与质子交换膜燃料电池微型热电联产（PEMFC MCHP）系统相结合，应用于住宅领域。该MH储氢系统与热泵耦合运行，充放电压力为10 bar。采用COMSOL 6.1版本软件，利用固体与流体传热模块及Brinkman方程模块建立模型，并通过实验数据进行验证，同时应用机器学习方法（前馈神经网络）对MH动态过程进行预测性建模。研究发现，较小的500 NL储氢罐具有较高的质量比热需求，但氢气动力学性能更优，可在一小时内达到约7...
解读: 该氢储能-燃料电池mCHP系统研究对阳光电源储能及户用产品线具有重要参考价值。金属氢化物储能的热管理优化思路可借鉴至ST系列储能变流器的温控策略;研究中采用的机器学习预测建模方法与iSolarCloud平台的预测性维护技术高度契合,可用于优化户用光伏-储能系统的充放电策略;燃料电池mCHP的冷热电联...
基于机器学习驱动的多目标方法优化CPV系统针翅片散热器设计
Optimisation of pin-fin heat sink design for CPV systems using machine learning-driven multi-objective approaches
Javad Mohammadpour · Danah Ruth Cahanap · Danish Ansari · Christophe Duwig 等5人 · Energy Conversion and Management · 2025年1月 · Vol.340
摘要：聚光光伏（CPV）系统因其高效率和紧凑的设计，能够支持绿色氢气生产，并有助于实现联合国可持续发展目标7（经济适用的清洁能源）。然而，若热管理不当，其性能和使用寿命会受到显著影响。为应对这一挑战，本研究提出了一种数据驱动的框架，可在提升CPV系统热性能优化效果的同时，降低对计算密集型仿真的依赖。本文评估了一种新型变高度针翅片散热器，旨在最小化最高温升、温度不均匀性以及压降。研究评估了五种基于树结构的机器学习（ML）模型，包括决策树、随机森林、梯度提升、XGBoost和CatBoost，其中C...
解读: 该CPV热管理优化技术对阳光电源高功率密度产品具有重要借鉴价值。研究中采用的机器学习驱动多目标优化方法可应用于ST系列储能变流器和SG系列大功率逆变器的散热设计优化,通过CatBoost等算法替代传统CFD仿真,显著降低热设计迭代成本。变高度翅片散热器设计理念可用于PowerTitan储能系统功率模...
基于改进数学模型的数据预处理与机器学习方法用于推断光伏系统发电量
Data preprocessing and machine learning method based on ameliorated mathematical models for inferring the power generation of photovoltaic system
Woo Gyun Shin · Jinseok Le · Young Chul Ju · Hey Mi Hwang 等5人 · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 全球各国正在积极推动能源转型，以减缓气候变化并促进长期可持续发展。这一转型过程涉及向无碳电力来源的转变，其中太阳能发挥着关键作用。随着光伏（PV）系统安装量的增加，这些系统对电网供电的贡献比例也不断上升。然而，由于天气条件会影响光伏发电量，准确推断其输出功率对于确保电网稳定性以及评估发电效率至关重要。本文提出了一种面向机器学习回归模型的数据预处理方法，该方法利用数学模型，基于辐照度和组件温度数据来推断光伏系统的发电量。所提方法的独特之处在于其归一化过程：将实测的电压和电流值除以通过数学模型...
解读: 该研究提出的基于改进数学模型的数据预处理和机器学习方法,对阳光电源iSolarCloud智慧运维平台具有重要应用价值。通过归一化处理实测电压电流与模型计算值的比值,可显著提升光伏发电功率预测精度(R²达0.9969),这与SG系列逆变器的MPPT优化技术高度契合。该方法可集成至预测性维护系统,结合S...
部分遮阴下最优功率采集：基于二进制灰雁优化的光伏阵列重构与基于机器学习的故障诊断
Optimal power harvesting under partial shading: Binary Greylag Goose optimization for reconfiguration and Machine learning-Based fault diagnosis in solar PV arrays
S.Saravanan · R. Senthil Kumar · P.Balakumar · N. Prabaharan · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 光伏（PV）系统已成为向电网提供能量采集支持的主要来源，作为传统能源的可持续替代方案。然而，部分遮阴对光伏系统的影响会降低基于光伏的发电效率。光伏阵列重构方法是减轻部分遮阴效应影响的最佳实践之一。本文提出了一种新的光伏阵列重构方法，采用二进制灰雁优化（Binary Greylag Goose Optimization, BGGO）算法。为验证所提BGGO方法的有效性，研究采用一个9x9面板的光伏阵列，并考虑六种阴影分布模式——右下角、右上角、左下角、左上角、中心以及对角线遮阴。在总交叉连接...
解读: 该二进制灰雁优化算法结合机器学习的阴影应对方案,对阳光电源SG系列光伏逆变器的MPPT优化技术具有重要参考价值。研究验证在复杂遮挡场景下通过阵列重构可提升10-14%发电效率,可与我司iSolarCloud平台的预测性维护功能深度融合,实现智能故障诊断与动态拓扑优化。该方法论可应用于ST储能系统的能...
风力发电机高级功率曲线建模：基于SGBRT与灰狼优化的多变量方法
Advanced power curve modeling for wind turbines: A multivariable approach with SGBRT and grey wolf optimization
Wenliang Yin · Mengqian Ji · Lin Liu · Ming Li 等7人 · Energy Conversion and Management · 2025年1月 · Vol.332
准确的功率曲线建模对于提升并网风力发电机（WTs）的运行效率和性能至关重要。为了提高建模质量并消除输入变量之间的相互影响，本文提出了一种新颖的多变量功率曲线预测方法，该方法融合了先进的机器学习技术——随机梯度提升回归树（SGBRT）和灰狼优化算法（GWO），并结合创新的数据预处理和特征选择方法。具体研究工作与创新点如下：1）在二维Copula空间中对原始数据进行清洗，以风轮转速作为辅助判据并采用概率描述方式，以处理数据不确定性及非线性依赖关系；2）提出一种偏互信息（PMI）方法用于数据分析，在此...
解读: 该风电功率曲线建模技术对阳光电源具有重要借鉴价值。其SGBRT+GWO优化算法可应用于iSolarCloud平台的光伏功率预测,提升ST储能系统的充放电策略优化精度。PMI特征选择方法可用于SG逆变器的MPPT算法改进,降低计算复杂度。二维Copula数据清洗技术适用于储能电站SCADA数据预处理,...
基于量子机器学习的风力涡轮机状态监测：研究现状与未来展望
Quantum machine learning based wind turbine condition monitoring: State of the art and future prospects
Zhefeng Zhang · Yueqi Wu · Xiandong Ma · Energy Conversion and Management · 2025年1月 · Vol.332
摘要 近几十年来，风能作为一种广受欢迎的可再生能源，得到了广泛的发展和应用。有效的状态监测与故障诊断对于保障风力涡轮机的可靠运行至关重要。尽管传统的机器学习方法已在风力涡轮机状态监测中得到广泛应用，但在处理大规模、高维度且复杂的數據集时，这些方法常常面临诸如特征提取复杂、模型泛化能力有限以及计算成本高等挑战。量子计算的兴起为机器学习算法开辟了全新的范式。量子机器学习结合了量子计算与机器学习的优势，具备超越经典计算能力的潜力。本文首先回顾了当前基于机器学习的风力涡轮机状态监测技术的应用现状及其局限...
解读: 量子机器学习在风电状态监测中的应用为阳光电源智能运维体系提供前瞻性技术路径。该技术可集成至iSolarCloud平台,提升ST储能系统和SG逆变器的预测性维护能力。量子算法在高维数据特征提取和故障分类方面的优势,能有效解决大规模新能源场站设备健康管理中的计算瓶颈,为功率器件(SiC/GaN)热管理预...
用于光伏输出预测的混合机器学习模型：结合随机森林与LSTM-RNN实现鱼菜共生系统的可持续能源管理
Hybrid Machine learning models for PV output prediction: Harnessing Random Forest and LSTM-RNN for sustainable energy management in aquaponic system
Tresna Dewi · Elsa Nurul Mardiyat · Pola Risma · Yurni Oktarin · Energy Conversion and Management · 2025年1月 · Vol.330
准确预测光伏发电（PV）系统输出对于优化可持续鱼菜共生系统中的能源管理至关重要，其中太阳辐照度的波动带来了重大挑战。本研究提出了一种结合长短期记忆循环神经网络（LSTM-RNN）与随机森林（RF）的混合模型，以有效应对这些挑战。该模型融合了LSTM-RNN在建模时间依赖性方面的优势以及RF在特征选择和处理非线性数据方面的能力，从而在电压、电流、功率和辐照度等参数上展现出优越的预测精度。通过采用包括归一化和序列转换在内的先进预处理步骤，使数据集与时间模式对齐，提升了模型的学习效率。评估指标如均方根...
解读: 该混合机器学习模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。LSTM-RNN与随机森林结合的预测方法可集成至SG系列光伏逆变器的MPPT优化算法,提升发电预测精度(RMSE<0.08)。模型对辐照度和温度的特征优先级分析(贡献度45%和22%)可优化ST系列储能PCS的充放电策略...
一种创新的太阳能-木质纤维素生物质集成多联产系统，结合生物炼制与固体氧化物电解池
An innovative optimal integrated solar-lignocellulosic biomass polygeneration system with biorefinery and solid oxide electrolyzer cell
Mehdi Mori · Mohammad Hasan Khoshgoftar Manesh · Energy Conversion and Management · 2025年1月 · Vol.327
摘要 多联产系统通过整合多种能源和工艺，在统一系统中生产多种产品，以满足居民和工业需求，相较于单一工艺系统具有更高的可持续性和韧性。优化此类系统可最大化能源资源的利用效率。本研究提出了一种综合性的多联产系统，能够生产八种产品，以满足电力、制冷、供热以及淡水、氢气、氧气、二氧化碳和乙醇等副产品的需求。该系统基于两种可再生能源——太阳能和生物质能，并结合传统的甲烷能源。通过对能量、㶲、㶲经济、㶲环境、能值经济和能值环境等多个维度进行综合评估，对该系统进行了全面评价。采用MATLAB进行数学建模，评估...
解读: 该多能互补系统整合太阳能与生物质能源,对阳光电源ST储能系统和SG光伏逆变器产品线具有重要参考价值。固体氧化物电解池制氢技术可与我司储能PCS协同,实现电-氢耦合优化。研究中的多目标优化方法(机器学习+遗传算法)可应用于iSolarCloud平台,提升能效2.54%、降低成本1.88%的成果验证了智...
物理信息机器学习在太阳能热能系统中的应用
Physics-Informed machine learning for solar-thermal power systems
Julian D.Osorioa1 · Mario De Florioab1 · Rob Hovsapian · Chrys Chryssostomidis 等5人 · Energy Conversion and Management · 2025年1月 · Vol.327
摘要 传统的热能系统建模依赖于实验关联式，通过无量纲数和热物理性质来估算传热系数。针对不同的流动状态、系统几何结构和边界条件，已提出了多种关联式；然而，尽管这些关联式被广泛使用，它们在精度、适用流动状态范围以及对复杂系统几何结构的适应性方面仍存在显著局限性。此外，由间歇性可再生能源（如太阳能）驱动的系统由于传热系数和系统变量的剧烈波动，面临更大的挑战。在本研究中，我们从根本上改变了这一传统范式。我们展示了一种经过实验验证的、基于物理信息的机器学习方法，能够准确估计在能量输入、边界条件和负载具有高...
解读: 该物理信息机器学习技术对阳光电源光储系统具有重要价值。针对光伏间歇性导致的热管理波动问题,可应用于PowerTitan储能系统和ST系列PCS的热设计优化,实时预测功率器件温度场分布,替代传统经验公式。结合iSolarCloud平台,可实现SiC/GaN器件的预测性热管理,提升系统可靠性。该方法突破...
面向风力机结构载荷与功率评估的机器学习应用：工程视角
Towards machine learning applications for structural load and power assessment of wind turbine: An engineering perspective
Qiulei Wang · Junjie Hu · Shanghui Yang · Zhikun Dong 等6人 · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 近几十年来，日益增长的能源需求加速了风电场的建设，对风力机性能中精确的载荷与功率评估提出了更高的要求。传统方法依赖于解析尾流模型和性能曲线，在复杂入流条件下往往难以适应，导致在预测风机载荷和功率输出时存在显著的不准确性。本研究以NREL 5MW基准风力机为案例，提出一种新颖的两阶段框架，用于应对风电场规划与开发各个阶段中的上述挑战。第一阶段是在初步设计阶段推导简化推力调制因子的推荐值，从而快速评估对风电场优化至关重要的最大推力载荷和疲劳推力载荷。第二阶段聚焦于详细设计阶段的机器学习模型的设...
解读: 该机器学习框架对阳光电源风电变流器及储能系统具有重要价值。通过LightGBM模型实现风机负载与功率的高精度预测(R²>0.98),可优化ST系列PCS的功率调度策略和PowerTitan储能系统的充放电控制。推荐推力调制因子方法可应用于iSolarCloud平台的预测性维护模块,结合GFM控制技术...
一种用于比较光伏跟踪系统的折衷解决方案：基于7E和不确定性分析并辅以机器学习算法
A compromise solution for comparison photovoltaic tracking systems: A 7E and uncertainty analysis assisted by machine learning algorithm
Seyyed Shahabaddin Hosseini Dehshir · Bahar D. Firoozabadi · Energy Conversion and Management · 2025年1月 · Vol.323
随着光伏产业的持续扩张，固定式系统效率低下的问题日益突出，亟需改进方案，而跟踪系统作为提升发电量的可行选择应运而生。为此，本研究提出了一种基于折衷解的新框架，对四种常见的太阳能跟踪类型进行评估，包括单轴东西向跟踪（SEWT）、单轴南北向跟踪（SNST）、单轴方位角跟踪（SAZT）和双轴跟踪（DAT），评估维度涵盖能量、㶲、经济性、环境影响、能经济学、㶲经济学和环境经济学，并结合风险评估。为预测跟踪系统的不确定性，该问题被求解5000次后，利用随机森林算法（R² ∼ 0.95）进行外推预测，模拟时...
解读: 该研究对阳光电源SG系列光伏逆变器产品线具有重要指导意义。双轴跟踪系统虽发电量最优(3.21GWh/年)但投资回收期长,单轴方位跟踪(SAZT)作为折中方案更具商业价值。建议将机器学习算法集成到iSolarCloud平台,实现跟踪系统的7E维度智能评估与风险预测,结合MPPT优化技术动态匹配不同跟踪...