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...