找到 17 条结果 · Solar Energy
通过机器学习技术预测屋顶几何形状以释放太阳能潜力——一项综述
Unlocking solar potential through machine learning techniques for roof geometry prediction- A review
Dina Shat · Sara Omrani · Robin Drogemuller · Simon Denman 等5人 · Solar Energy · 2025年1月 · Vol.302
摘要 全球向可再生能源的转型凸显了优化住宅太阳能光伏（PV）系统的必要性。准确的屋顶几何形状预测对于提高屋顶太阳能安装的效率和可扩展性至关重要。本综述考察了近期为提升屋顶几何预测精度而设计的机器学习（ML）方法，综合分析了包括卷积神经网络（CNN）和多任务学习框架在内的最新技术，以评估预测精度和计算效率方面的改进。本文还强调了当前面临的挑战，例如数据可用性、多样化数据集的整合（如航拍影像和LiDAR扫描）以及地理泛化能力，并提出了未来研究的方向。未来的研究机会包括开发鲁棒且可扩展的机器学习模型以...
解读: 该机器学习屋顶几何预测技术对阳光电源户用光伏系统具有重要应用价值。通过CNN等深度学习模型精准预测屋顶结构,可优化SG系列逆变器的MPPT配置方案和组串设计。结合iSolarCloud平台,能实现屋顶光伏潜力自动评估、系统容量智能推荐及安装方案优化。该技术可与阳光电源储能系统ST系列协同,通过屋顶数...
一种用于长期光伏和风电功率预测的细粒度频率分解框架
A fine-grained frequency decomposition framework for long-term photovoltaic and wind power forecasting
Peng Suna · Tingxiao Dinga · Jin Sua · Yuhan Yanga 等8人 · Solar Energy · 2025年1月 · Vol.301
准确预测太阳能和风能对于实现高效的电网集成至关重要。然而，现有的机器学习和深度学习方法在处理复杂且变化多端的时间序列数据时面临若干挑战，例如通用性有限、泛化能力不足，以及难以平衡计算效率与预测精度之间的关系。为应对这些挑战，本研究提出了一种细粒度频率分解框架（FDF），并设计了一种基于小波变换与下采样策略（连续采样和间隔采样）的序列分解方案。该框架旨在深入挖掘时间序列中的复杂时序模式，并充分捕捉长距离依赖关系。具体而言，FDF首先利用小波变换将原始时间序列分解为多个不同频率的分量；随后，对每个分...
解读: 该细粒度频率分解框架对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过小波变换与采样策略结合,可显著提升光伏功率预测精度(MAE降低7.65%),同时保持轻量化特性(0.29M参数)。该方法可集成至ST系列PCS的功率预测模块,优化PowerTitan储能系统的充放电策略制...
基于可解释机器学习的被动式建筑一体化光伏幕墙多性能预测与优化
Multi-performance prediction and optimization for building-integrated photovoltaics facades with passive design via explainable machine learning
Han Qiuab1 · Zhichao Maa1 · Yaping Huc · Dandan Wuc 等6人 · Solar Energy · 2025年1月 · Vol.301
摘要 建筑一体化光伏（BIPV）幕墙结合被动式设计是一种应对气候变化与能源挑战的低碳、可持续性建筑策略。鉴于前期设计决策对项目成果具有显著影响，本研究聚焦于开发针对三项关键性能指标的快速评估方法：采光可用性、太阳能发电量以及建筑能效。为此，我们通过建筑性能模拟与标签分类构建了适用于上海地区的专用数据集。基于该数据集，建立了四个关键指标的预测模型：空间日光自治率（sDA）、太阳辐射量、采暖年均能耗强度（EUI_heat）和制冷年均能耗强度（EUI_cool）。通过对比随机森林（Random For...
解读: 该BIPV被动式设计多性能预测技术对阳光电源SG系列光伏逆变器与储能系统集成具有重要价值。研究实现光伏发电可满足25-48%冷热负荷,契合我司PowerTitan储能系统的能量管理优化场景。机器学习快速评估方法可集成至iSolarCloud平台,为建筑光伏项目提供设计阶段的发电量与负荷匹配预测,优化...
基于机器学习的单面和双面光伏系统最佳倾角预测
Machine learning-based prediction of optimal tilt angles for monofacial and bifacial PV systems
Hanadi Harou · Jimmy S.Iss · Pierre Rahme · Solar Energy · 2025年1月 · Vol.301
摘要 本研究提出了一种新颖的基于机器学习的框架，用于预测单面和双面光伏系统在不同调整策略下的最佳倾角。该框架利用来自美国184个地点、为期六年的高分辨率（5分钟间隔）卫星辐照度数据。与以往研究不同，本研究结合了精细的时间分辨率数据、广泛的地理覆盖范围，并对十三种机器学习模型进行了比较评估，以优化三种调整策略（年度、季节性和月度）下的最佳倾角。倾斜表面上的辐照度采用各向同性天空模型进行估算，从而高效模拟了从0到1、以0.1为增量变化的不同反照率条件下组件正面与背面的受光情况。所得到的最佳倾角被用作...
解读: 该机器学习倾角优化技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究针对单双面组件的精准倾角预测(误差<1.7°)可集成至智能运维系统,结合MPPT优化算法实现发电量最大化。双面组件在高反射率地面可增益超80%的发现,为PowerTitan储能系统的容量配置提供数据支...
利用光伏参数和机器学习确定硅太阳能电池中的铁浓度
Determination the iron concentration in silicon solar cells using photovoltaic parameters and machine learning
Oleg Olikh · Oleksii Zavhorodni · Solar Energy · 2025年1月 · Vol.300
摘要 本研究提出了一种基于机器学习（ML）的创新方法，用于量化硅太阳能电池中的铁杂质。通过对80种模型进行综合分析，采用随机森林（RF）、梯度提升（GB）、极端梯度提升（XGB）、支持向量回归（SVR）和深度神经网络（DNN）等算法，根据FeB对解离引起的光伏参数变化来预测铁浓度。研究识别了训练数据集为最小化预测误差所需满足的条件，以及能够产生最准确预测的特征组合。此外，评估了使用主成分分析（PCA）进行数据预处理的有效性。结果表明，XGB和DNN模型优于其他模型，在合成数据上达到的均方误差（M...
解读: 该机器学习铁杂质检测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。通过XGB/DNN算法实时监测组件铁污染导致的效率衰减,可集成至MPPT优化算法中实现动态功率预测修正。建议将此方法嵌入智能运维系统,结合光伏参数变化特征实现组件质量分级与寿命预测,提升电站资产管理精度...
基于机器学习与SCAPS-1D的RbGeBr3钙钛矿太阳能电池性能预测与验证
Machine learning and SCAPS-1D based prediction and validation of RbGeBr3 perovskite solar cell
Namrata A.Tukadiy · Zarna D.Ponkiy · Nikunj Joshi · Deepak Upadhyay 等5人 · Solar Energy · 2025年1月 · Vol.300
本研究利用机器学习（ML）模型预测RbGeBr3钙钛矿太阳能电池的性能，并通过太阳能电容模拟器（SCAPS-1D）进行验证。采用来自MaterialsZone数据库的基于密度泛函理论（DFT）生成的数据集，其中包含有机–无机卤化物钙钛矿材料的数据，结合基于Scikit-learn的模型及关联规则挖掘方法进行分析。共评估了443种太阳能电池结构，使用九个关键输入特征来预测能量转换效率（PCE）。在所采用的多种模型中，包括随机森林（RF）、决策树（DT）、K近邻算法（KNN）、梯度提升回归（GBR）...
解读: 该研究通过机器学习预测RbGeBr3钙钛矿电池效率达31.76%,为阳光电源SG系列光伏逆变器的MPPT算法优化提供新思路。ML模型可应用于iSolarCloud平台,实现组件性能预测性维护。钙钛矿高效率特性要求逆变器具备更宽电压范围和更精准功率追踪能力,可推动1500V系统和三电平拓扑技术升级。建...
基于第一性原理与机器学习方法研究双钙钛矿Li2CuBiX6
X = Br, I）的光学与电子性质及其在光伏中的应用
Taoufik Chargui · Ramzi El Idrissi · Abdelkabir Bacha · Fatima Lmaia · Solar Energy · 2025年1月 · Vol.299
摘要：开发高效且稳定的无铅材料对于推动下一代光伏技术的发展至关重要。在本研究中，我们结合第一性原理计算与机器学习技术，对Li2CuBiX6（X = Br, I）双钙钛矿作为有前景的光吸收材料进行了系统研究。密度泛函理论（DFT）结果表明，该材料具有适合太阳能转换的间接带隙，其中溴化物体系（Br）为1.7 eV，碘化物体系（I）为1.3 eV。关键光学性质，包括吸收系数、反射率、折射率和介电函数，均证实其具备优异的光捕获能力。采用SCAPS-1D模拟构建了FTO/ETL/Li2CuBiX6/HTL...
解读: 该无铅双钙钛矿材料研究对阳光电源光伏逆变器产品线具有前瞻价值。Li2CuBiX6材料展现的27-31%理论转换效率及宽光谱吸收特性,可为SG系列逆变器的MPPT算法优化提供新材料参数基础。研究中机器学习预测模型(XGBoost R²=99.87%)与DFT计算结合的方法,可借鉴应用于iSolarCl...
基于静止卫星观测数据的机器学习短波辐射预报以优化太阳能光伏和聚光太阳能系统
Machine learning forecasts of short wave radiation from geostationary satellite measurements to optimize solar photovoltaic and concentrated solar power systems
Hongyu Wua · Chengxin Zhangb · Jingkai Xuea · Xinhan Niub 等7人 · Solar Energy · 2025年1月 · Vol.299
摘要 在全球能源转型与可持续发展的背景下，精确的短波辐射（SWR）预测对于提高太阳能光伏发电（PV）和聚光太阳能发电（CSP）系统的效率与经济可行性日益重要。本研究提出了一种创新的机器学习短波辐射预测模型，利用静止卫星的多波段太阳短波辐射测量数据，实现未来一小时内的短波辐射预报。该模型基于一种云量加权的混合模型，结合了卷积长短期记忆网络（ConvLSTM）与傅里叶神经算子（FNO）模型。在测试过程中，优化后的混合模型表现优于ERA5再分析数据，预测误差降低了24.14%，平均绝对误差降低了38....
解读: 该卫星遥感+机器学习的短波辐射预测技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。通过ConvLSTM-FNO混合模型实现小时级精准预测,可优化MPPT算法实时响应辐照变化,提升发电效率6.4%。结合iSolarCloud平台可实现光储协同调度:光伏侧提前调整并网策略,储能侧优化充放...
基于野外光谱辐射测量与可解释性机器学习的干旱区光伏电站地表反照率评估
Surface albedo evaluation in an arid-region photovoltaic power plant through field spectral radiometry and explainable machine learning
Xiaoqing Gaoa · Jiang Ying · Zhimin Yang · Yi Liu 等6人 · Solar Energy · 2025年1月 · Vol.299
摘要 随着对光伏（PV）发电引起的气候效应研究不断深入，数值模拟已成为不可或缺的研究手段。然而，现有的参数化方案仍存在局限性，尤其是在地表反照率的表征方面。为弥补这一不足，本研究基于2020年4月至8月在新疆五家渠一处PV-戈壁复合下垫面获取的观测数据，分析了光谱辐射特征及地表反照率的变化规律。结果表明，入射太阳辐射在光谱上呈现近红外（NIR）>可见光（VIS）>紫外（UV）的层级结构，其对总短波辐射的贡献率分别为57.4%、38.4%和4.1%。各光谱波段均表现出受天气过程驱动的同步波动特征。...
解读: 该研究通过光谱辐射观测和机器学习建立的地表反照率参数化模型,对阳光电源SG系列光伏逆变器的MPPT优化算法具有重要参考价值。研究揭示的太阳高度角、相对湿度、组件温度三因素耦合机制,可用于优化iSolarCloud平台的发电功率预测模型,提升预测精度。特别是光伏-戈壁复合地表反照率特性(0.139)显...
用于光伏系统中自动缺陷检测的机器学习方法
Machine learning approaches for automatic defect detection in photovoltaic systems
Swayam Rajat Mohanty · Moin Uddin Maruf · Vaibhav Singh · Zeeshan Ahmad · Solar Energy · 2025年1月 · Vol.298
摘要 太阳能光伏（PV）组件在制造、安装和运行过程中容易受到损坏，从而降低其光电转换效率。这种效率损失削弱了其在整个生命周期中的积极环境影响。通过无人机拍摄的图像对光伏组件进行运行期间的持续监测，对于及时修复或更换有缺陷的面板以维持高效率至关重要。结合计算机视觉技术，该方法为光伏电站中的缺陷监测提供了一种自动、非破坏性且成本效益高的工具。本文综述了当前基于深度学习的计算机视觉技术在太阳能组件缺陷检测中的应用现状。我们从多个层面比较和评估了现有的深度学习方法，包括图像类型、数据采集与处理方法、所采...
解读: 该机器学习缺陷检测技术对阳光电源智能运维体系具有重要价值。可集成至iSolarCloud平台,结合无人机巡检与深度学习算法,实现光伏电站组件缺陷的自动识别与预测性维护。技术可应用于SG系列逆变器的MPPT优化策略调整,通过识别组件热斑、隐裂等缺陷,动态优化发电效率。建议将物理约束神经网络与气象数据融...
基于不同半导体层
CZTS、CZTGS、Al0.8Ga0.2Sb、GaAs）的CsBi3I10异质结太阳能电池数值模拟与性能提升及机器学习分析
Rabeya Khan · Nadira Farjan · Mst. Jahida Akter Jim · Jehan Yahya G. Y. Al Humaidi 等6人 · Solar Energy · 2025年1月 · Vol.295
摘要 正在研究提高铋卤化物基光伏器件效率的策略，同时也在关注这些太阳能电池带来的积极生态影响。本研究通过采用多种底部吸收层，系统地考察了基于CsBi3I10的异质结太阳能电池的转换效率，并重点分析了各功能层的厚度和掺杂浓度、工作温度以及背接触功函数等因素对器件性能的影响。通过确定一种高效的GaAs半导体层，并将其受主浓度优化至5×10^16 cm^−3，同时增加其厚度，显著提升了器件效率。在本研究中，设计了一种新型的CsBi3I10基异质结钙钛矿太阳能电池结构：Au/NiO/GaAs/CsBi3...
解读: 该CsBi3I10异质结电池研究对阳光电源SG系列光伏逆变器具有前瞻价值。无铅钙钛矿材料的27.4%转换效率突破,为新型光伏组件适配提供技术储备。机器学习优化方法可借鉴至MPPT算法改进和iSolarCloud平台的发电预测模型中,提升逆变器在新材料电池下的能量捕获效率。异质结层间优化思路亦可启发功...
一种基于人工智能预测温室环境中光伏-热系统的能量参数的方法
An artificial intelligence approach to predict energy parameters in a photovoltaic-thermal system within a greenhouse
Shojapour Pour · Ali Motevali · Seyed Hashem Samadi · Ranjbar-Nedamani Nedamani 等6人 · Solar Energy · 2025年1月 · Vol.295
摘要 农业各个领域日益增长的能源需求，尤其是在温室设施中，迫切需要探索可行的解决方案。利用可再生能源，并结合人工智能（AI）技术对能耗数据进行预测与分析，为应对这一挑战提供了有前景的途径。本研究采用多种机器学习模型，针对基于纳米流体（Al2O3、SiO2、Al2O3-SiO2）的光伏-热系统，在温室内外环境下对其能量参数（如输出功率、电效率、热效率和总效率）进行预测。建模过程采用了时延神经网络（TDNN）、多层感知机（MLP）以及非线性自回归（NARX）方法，并引入了对数激活函数。不同能量参数的...
解读: 该研究对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要价值。NARX神经网络预测光伏系统能效参数(R²=0.9979)的方法,可集成至我司智能运维平台,实现MPPT算法优化和发电效率预测性维护。纳米流体光热系统的AI建模思路,可应用于户用光伏热电联供场景,提升SG系列逆变器在农业光伏...
可解释性机器学习揭示杂化钙钛矿太阳能电池的光电转换效率
Interpretable machine learning insights of power conversion efficiency for hybrid perovskites solar cells
Yudong Shi · Jiansen Wen · Cuilian Wen · Linqin Jiang 等7人 · Solar Energy · 2025年1月 · Vol.290
摘要 杂化有机-无机钙钛矿（HOIPs）太阳能电池因其高能量转换效率、易于制备以及低成本等优势，在光伏领域展现出广阔的应用前景。随着人工智能的蓬勃发展，机器学习（ML）近年来已被用于新型HOIPs材料的设计。然而，由于现有机器学习模型缺乏可解释性，其在HOIPs材料设计中的实际应用受到较大限制。本文提出一种数据驱动的可解释性机器学习方法，用于提取影响基于HOIPs太阳能电池功率转换效率（PCE）的通用且简洁的描述符。研究突出提出了两个由易于获取参数构成的描述符，可用于准确预测PCE，其预测性能优...
解读: 该可解释机器学习技术为阳光电源光伏逆变器研发提供重要启示。通过数据驱动方法快速筛选高效钙钛矿电池,可优化SG系列逆变器的MPPT算法适配性。研究中提出的简化描述符预测方法,可应用于iSolarCloud平台的组件性能预测模型,实现电站级效率优化。结合GaN功率器件特性,该方法有助于加速新型光伏材料与...
基于数据挖掘与机器学习的钙钛矿及有机太阳能电池最优材料搜索
Data-mining and machine learning based search for optimal materials for perovskite and organic solar cells
Nafees Ahm · Mahmoud A. A. Ibrahim · Shaban Rushdy Moustafa Say · Syed Shoaib Ahmad Shah 等6人 · Solar Energy · 2025年1月 · Vol.287
摘要 提出了一种基于数据挖掘的方法，用于搜索适用于光伏应用的有机化合物。从含有较低空穴转移重组能的有机化合物数据库中筛选有机半导体材料。选取三种聚合物给体作为标准结构，用于在数据库中搜索相似材料。采用机器学习预测能级，作为筛选最佳光伏材料的判据。使用分子指纹对机器学习模型进行训练。共尝试了40多种机器学习模型，其中随机森林模型表现最优（训练集和测试集的决定系数r-squared分别为0.800和0.609）。该机器学习模型被用于预测新材料的能级。同时预测了所选有机半导体材料的合成可及性，所有这些...
解读: 该机器学习材料筛选技术对阳光电源SG系列光伏逆变器及组件选型具有重要参考价值。通过数据挖掘优化钙钛矿和有机太阳能电池材料,可提升光伏组件转换效率,直接增强逆变器MPPT优化效果。随机森林模型预测能级的方法可应用于iSolarCloud平台,建立材料性能数据库,为1500V高压系统的组件匹配提供智能决...
提升太阳能电池板性能：一种基于机器学习的灰尘检测与自动化喷水清洁策略
Enhancing solar panel performance: A machine learning approach to dust detection and automated water sprinkle-based cleaning strategy
Salman Hossain · All Mumtahina Arik · Iffat Nowshin Fahim · Jamal Uddin 等7人 · Solar Energy · 2025年1月 · Vol.287
摘要 光伏（PV）组件由于灰尘积聚，其效率显著降低。为了以经济有效的方式最小化灰尘对光伏系统的影响，需要确定最优的清洁间隔。为实现该目标，可利用机器学习（ML）模型检测光伏组件上的灰尘水平是否超过预设阈值，从而在无需现场人工干预的情况下判断是否需要清洁面板。基于此目标，本研究分析了灰尘在孟加拉国对光伏系统的不利影响，并提出了一种基于机器学习分类的新型灰尘检测方法，进而开发了一套清洁系统。本文实现了多种机器学习分类器，并对其性能进行了评估，其中表现最优的人工神经网络（ANN）模型达到了98.11%...
解读: 该机器学习驱动的光伏清洁技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。研究证实灰尘导致效率损失可达14.87%,ANN模型98.11%的检测精度可集成至智能运维系统,结合MPPT优化算法实现发电量损失预警。建议将该分类模型嵌入iSolarCloud平台,通过逆变器实时功率...
基于机器学习辅助设计具有较低重组能的聚合物用于有机太阳能电池中的给体和受体材料
Machine learning assisted designing of polymers with lower reorganization energies for the possible use as donor and acceptors for organic solar cells
Ejaz Hussain · Mohamed Mohamed Soliman · Salah Mohamed El Bahy · Sumaira Naeem 等5人 · Solar Energy · 2025年1月 · Vol.286
摘要 本研究提出了一种基于机器学习（ML）技术精确预测重组能描述符的新方法，这些描述符对于优化有机太阳能电池的性能至关重要。传统方法在准确估算这些描述符方面存在局限性，从而影响了有机光伏器件的可靠性和效率。所采用的基于人工智能（AI）的方法为理解这些描述符提供了定量依据，显著增强了预测和优化有机太阳能电池效率的能力。本研究利用断裂逆向合成有趣化学子结构（BRICS）方法系统地生成了新型聚合物。通过AI驱动的预测模型对电子和空穴重组能进行了预测，揭示了其常见的取值范围和分布规律。本研究展示了AI驱...
解读: 该机器学习辅助有机光伏材料设计研究对阳光电源具有前瞻性参考价值。虽然当前SG系列逆变器主要适配晶硅组件,但研究中的AI驱动材料优化方法论可迁移至功率器件领域:通过机器学习预测SiC/GaN器件的载流子重组特性,优化ST系列PCS和三电平拓扑中的开关损耗。BRICS分子设计思路亦可启发模块化电路拓扑创...
基于机器学习与元启发式特征选择的钙钛矿材料多性能预测
Multi-Properties prediction of perovskite materials using Machine learning and Meta-Heuristic feature selection
Frendy Jaya Kusum · Eri Widianto · Wahyono · Iman Santoso 等8人 · Solar Energy · 2025年1月 · Vol.286
摘要 扩大具有优异光电特性的稳定钙钛矿材料的可获得性，对于突破当前光伏吸收层材料的效率限制至关重要。本文提出了一种多性能机器学习（ML）预测策略，以加速ABX3和A2BB’X6型钙钛矿材料的发现。该方法评估了高性能光伏材料所需的关键性质，包括形成能（ΔEf）、热力学稳定性、带隙（Eg）以及带隙类型。本研究评估了多种特征选择方法，如最小绝对收缩与选择算子（LASSO）、k-最佳特征选择法（k-Best）以及遗传算法（Genetic Algorithm）、粒子群优化（Particle Swarm O...
解读: 该钙钛矿材料多属性机器学习预测技术对阳光电源光伏逆变器产品线具有重要应用价值。通过元启发式算法优化的ML模型可预测材料带隙、形成能等关键光电特性,准确率超85%,有助于加速高效光伏吸收材料筛选。这与SG系列逆变器的MPPT优化技术形成协同:更优材料特性可提升组件效率,而精准的材料性能预测能指导逆变器...