Dingyuan Ma · Siyu Yu · Shu Su · Xiaodong Li 等5人 · Solar Energy · 2025年1月 · Vol.294

摘要 光伏（PV）面板改造对于降低建筑能耗和应对气候变化至关重要。然而，建筑物在特征上存在差异，使得在区域或城市尺度上高效制定光伏面板改造方案成为一项复杂的挑战。本研究提出了一种面向区域光伏改造的双层“自下而上”智能决策模型，以替代传统的“自上而下”方法。针对单体建筑，比较了多种机器学习算法，其中随机森林（RF）算法达到了93%的准确率和0.80的AUC值，同时采用欧氏距离进行相似性计算；对于区域建筑存量，结合隐性知识，NGSAII优化算法将改造概率、相似性、成本和改造效益作为优化目标，生成帕累...

解读: 该双层智能决策模型为阳光电源区域级光储项目规划提供重要参考。其随机森林算法可优化SG系列逆变器在不同建筑场景的配置方案,NGSAII多目标优化算法可指导PowerTitan储能系统的容量配置与经济性分析。模型中的相似度计算和隐性知识整合,可应用于iSolarCloud平台的智能运维决策,提升区域光储...