找到 3 条结果 · Energy Conversion and Management
浮体式太阳能发电系统的强化学习基准测试与原型开发：结合棕熊优化算法的实验研究与LSTM建模
Benchmarking reinforcement learning and prototyping development of floating solar power system: Experimental study and LSTM modeling combined with brown-bear optimization algorithm
Mohamed E. Zay · Shafiqur Rehman · Ibrahim A.Elgendy · Ali Al-Shaikhi 等8人 · Energy Conversion and Management · 2025年5月 · Vol.332
摘要 本研究对浮体式太阳能光伏（SFPV）系统与地面安装式太阳能光伏（GSPV）系统进行了全面的对比性实验研究、性能评估分析以及增强型人工智能（AI）建模。两种系统——SFPV与GSPV——均在沙特阿拉伯阿尔-霍巴尔巴林湾地区相同的严苛环境条件下安装、测试并进行比较，详细评估了电功率输出、光伏组件表面温度、光伏直流电压与电流，以及能量产出和效率。此外，本研究还构建了一种混合人工智能框架，该框架融合了轻量梯度提升机（LightGBM）、门控循环单元（GRU）和长短期记忆网络（LSTM）模型，并通过...
解读: 该研究对阳光电源浮式光伏系统集成具有重要价值。SFPV相比地面电站发电量提升59.25%、组件温度降低32.36%,验证了浮式方案的技术优势。LSTM-BBOA混合AI模型(R²达0.9999)可应用于iSolarCloud平台的预测性维护,优化SG系列逆变器的MPPT算法。浮式场景的温度控制特性有...
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4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...
基于I-V曲线成像与双流深度神经网络的光伏系统遮挡类型及严重程度诊断
Shading type and severity diagnosis in photovoltaic systems via I-V curve imaging and two-stream deep neural network
Zengxiang Hea · Hong Cai Chen · Shuo Shan · Yihua Hu 等6人 · Energy Conversion and Management · 2025年1月 · Vol.324
摘要 遮挡是光伏（PV）系统中最常见的异常现象之一，会导致功率损失和热点效应。目前大多数研究仅能实现遮挡检测，而无法进一步诊断遮挡的类型和严重程度。本文提出了一种结合I-V曲线成像与双流深度神经网络（DNN）的有效方法，用于诊断遮挡类型，并估计实际运行光伏系统中五种常见遮挡类型的严重程度。该方法首先对光伏组串的I-V曲线进行重采样，并转换至标准测试条件（STC），以消除数据尺度和环境因素对遮挡诊断结果的影响。随后，采用一种称为格拉米安角和场（Gramian angular summation f...
解读: 该阴影诊断技术对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。通过I-V曲线成像与双流深度神经网络,可实现阴影类型识别与严重程度量化评估,弥补现有MPPT优化技术仅能检测异常但无法精准诊断的不足。建议将GASF时序成像与LSTM-CNN融合算法集成至智能运维平台,结合组串级...