找到 1 条结果 · Solar Energy

排序:
光伏发电技术 储能系统 机器学习 ★ 5.0

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...