Salem Batiyah · Ahmed Al-Subhi · Osama Elsherbiny · Obaid Aldosari 等5人 · Solar Energy · 2025年1月 · Vol.299

摘要 估算光伏（PV）参数对于光伏系统的精确建模和性能预测至关重要。本文提出了一种基于深度神经网络的方法，通过数据手册中的信息来确定光伏参数。该技术利用MATLAB/Simulink库中光伏模块单元生成的数千个数据点进行训练。采用平均绝对百分比误差（MAPE）、决定系数（R-squared）和均方根误差（RMSE）等指标对模型的有效性进行了评估。通过利用神经网络固有的模式识别和学习能力，该模型能够准确地估计光伏参数。为了评估所提方法的有效性，对其性能进行了多种测试，包括对测试数据、实验数据以及在...

解读: 该深度学习光伏参数估计技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。通过神经网络精准估算不同气象条件下的光伏参数,可优化MPPT算法实时性能,提升逆变器发电效率。该方法可集成至智能运维平台,实现组件参数在线辨识与性能预测,减少现场测试成本。结合PowerTitan储能系统...