找到 2 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12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...
基于LiDAR观测对运行中的抛物槽式聚光太阳能电站风况特征及其对风荷载影响的表征
Characterization of wind conditions and impact on wind loading at an operational parabolic trough concentrating solar power plant using LiDAR observations
Geng Xiaa · Ulrike Egerer · Stefano Letizi · Mithu Debnath 等7人 · Solar Energy · 2025年11月 · Vol.300
摘要 风荷载是影响聚光太阳能（CSP）集热器系统（包括定日镜和抛物槽）结构设计成本的主要因素。传统上，这些系统的设计依赖于风洞试验数据，而此类数据往往难以准确反映实际全尺寸条件下所经历的动态效应。本研究首次通过激光雷达（lidar）观测，对一个正在运行的抛物槽式CSP电站内部的风况进行了实验性表征。LiDAR观测为深入理解槽式集热器阵列内部区域的风流状况提供了独特的机会。我们的研究结果表明：（1）在经过前几排集热器阻挡后，由于湍流混合增强，气流继续越过槽场时，槽上方的风速恢复至来流风速的73%；...
解读: 该研究揭示CSP槽式电站内部风载特性,对阳光电源光热跟踪系统设计具有重要参考价值。LiDAR观测发现阵列内部风速恢复至73%且剪切力矩增大,提示需优化内部排布的跟踪支架结构强度与控制策略。可结合iSolarCloud平台集成风速监测数据,通过预测性维护算法动态调整跟踪器防风姿态,降低结构成本同时提升...