找到 110 条结果
通过数值天气预报模型的偏差校正技术提升风力发电预测精度
Enhancing Wind Power Forecasts via Bias Correction Technologies for Numerical Weather Prediction Model
Cheng-Liang Huang · Yuan-Kang Wu · Quoc-Thang Phan · Chin-Cheng Tsai 等5人 · IEEE Transactions on Industry Applications · 2025年2月
摘要：随着能源转型的持续推进以及风力发电装机容量的不断增加，近期研究进展表明，准确的数值天气预报（NWP）能够提高风电功率预测的质量。虽然大多数研究主要关注经过偏差校正的数值天气预报对风速的影响，但很少有研究探讨经过偏差校正的数值天气预报与风电功率预测之间的关系。因此，本研究旨在通过对数值天气预报得出的风速应用偏差校正技术来改进风电功率预测。具体而言，本研究制定了一种合理的后处理策略来修正数值天气预报的输出结果。采用衰减平均法和概率匹配均值法，系统地对三种不同的数值天气预报模型——即雷达天气研究...
解读: 该研究对阳光电源的风电和储能产品线具有重要应用价值。通过数值天气预报偏差校正技术，可显著提升风电场发电功率预测精度，这对我司ST系列储能变流器和PowerTitan储能系统的调度策略优化至关重要。具体而言，精确的风功率预测可用于：1)优化储能系统的充放电调度，提高风储联合运行效率；2)完善iSola...
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...
EEMLCR：基于机器学习的无线传感器网络节能聚类与路由
Energy-Efficient Machine Learning-Based Clustering and Routing for Wireless Sensor Networks
Muhammad Akram · Sibghat Ullah Bazai · Muhammad Imran Ghafoor · Saira Akram 等6人 · IEEE Access · 2025年1月
无线传感器网络WSN受限于低功耗传感单元、通信约束和处理能力，需要通过聚类和路由节约能源延长生命周期。本文研究Q-learning和K-means聚类算法应用，提出EEMLCR节能机器学习聚类与路由方法。与LEACH算法及其多跳变体DMHT LEACH和EDMHT LEACH对比验证有效性。在400节点网络600轮后，EEMLCR在存活节点数、平均能耗、剩余能量和数据包接收率等关键指标上显著优于LEACH及其变体，与EECDA和CMML等最新算法相比性能相当或更优。
解读: 该无线传感器网络节能技术对阳光电源分布式光伏监控系统有应用价值。阳光户用光伏系统中大量传感器节点需要低功耗通信和数据采集。EEMLCR聚类路由算法可优化阳光监控设备间通信拓扑，延长电池供电传感器寿命。该技术结合阳光智能运维系统，可实现大规模分布式电站的高效数据采集和传输，降低通信能耗和维护成本，提升...
基于机器学习辅助的IGBT模块键合界面疲劳损伤数值模拟方法研究
Research on Machine Learning-Assisted Numerical Simulation Methods for IGBT Module Bonded Interface Fatigue Damage
Shengjun Zhao · Tong An · Fei Qin · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
键合界面开裂是绝缘栅双极型晶体管（IGBT）模块长期运行中的主要失效模式。本文提出一种有效表征功率循环条件下IGBT模块键合界面疲劳裂纹扩展的数值模拟方法。通过功率循环试验与键合线拉力测试，获取不同循环次数后的力-位移（F-δ）曲线；建立考虑界面损伤累积效应的有限元-疲劳内聚力模型（FE-FCZM），结合敏感性分析确定关键参数，并利用机器学习模型实现由F-δ曲线反演FCZM参数。仿真与实验结果对比验证了该方法在界面损伤程度预测上的准确性，且在寿命预测中相比传统模型具有最小误差，为IGBT模块可靠...
解读: 该IGBT模块键合界面疲劳损伤预测技术对阳光电源功率器件可靠性设计具有重要价值。ST系列储能变流器和SG系列光伏逆变器的IGBT模块在频繁功率循环下面临键合线脱落风险，该研究提出的FE-FCZM与机器学习结合的方法可精准预测界面裂纹扩展，为产品设计阶段的寿命评估提供量化工具。特别适用于PowerTi...
基于PCA和堆叠自编码器的混合机器学习框架用于智能电网数据注入攻击检测
Hybrid ML Framework for Data Injection Attack Detection Using PCA and Stacked Autoencoders
Shahid Tufail · Hasan Iqbal · Mohd Tariq · Arif I. Sarwat · IEEE Access · 2025年1月
随着智能电网日益互联，网络攻击特别是数据注入攻击变得更加普遍。此外，模型训练需要准确无偏的高质量数据。我们从现实世界收集的大多数数据稀疏、不完整、不一致和倾斜。为解决这些问题，本研究提出检测此类攻击的框架。使用堆叠自编码器架构生成少数类数据的合成实例。生成的类别解决数据不平衡以增强模型泛化能力并应对多样化攻击场景。评估各种机器学习算法，随机森林RF模型始终达到卓越准确率，范围从99.32%到95.89%。特别是，逻辑回归LR等传统算法对降维表现出敏感性，当主成分从全部降至10时经历16.96%准...
解读: 该数据注入攻击检测技术对阳光电源智能电网安全至关重要。阳光iSolarCloud平台和ST储能系统接入电网SCADA系统，面临虚假数据注入攻击威胁。该研究的堆叠自编码器和随机森林混合方法可集成到阳光网络安全防护体系，检测异常数据和攻击行为。在电网侧储能场景下，数据注入攻击可能导致储能系统误动作，影响...
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...
基于机器学习驱动的多目标方法优化CPV系统针翅片散热器设计
Optimisation of pin-fin heat sink design for CPV systems using machine learning-driven multi-objective approaches
Javad Mohammadpour · Danah Ruth Cahanap · Danish Ansari · Christophe Duwig 等5人 · Energy Conversion and Management · 2025年1月 · Vol.340
摘要：聚光光伏（CPV）系统因其高效率和紧凑的设计，能够支持绿色氢气生产，并有助于实现联合国可持续发展目标7（经济适用的清洁能源）。然而，若热管理不当，其性能和使用寿命会受到显著影响。为应对这一挑战，本研究提出了一种数据驱动的框架，可在提升CPV系统热性能优化效果的同时，降低对计算密集型仿真的依赖。本文评估了一种新型变高度针翅片散热器，旨在最小化最高温升、温度不均匀性以及压降。研究评估了五种基于树结构的机器学习（ML）模型，包括决策树、随机森林、梯度提升、XGBoost和CatBoost，其中C...
解读: 该CPV热管理优化技术对阳光电源高功率密度产品具有重要借鉴价值。研究中采用的机器学习驱动多目标优化方法可应用于ST系列储能变流器和SG系列大功率逆变器的散热设计优化,通过CatBoost等算法替代传统CFD仿真,显著降低热设计迭代成本。变高度翅片散热器设计理念可用于PowerTitan储能系统功率模...
机器学习预测三重管相变材料蓄热系统熔化响应时间的潜力
The potential of machine learning to predict melting response time of phase change materials in triplex-tube latent thermal energy storage systems
Peiliang Yan · Chuang Wen · Hongbing Ding · Xuehui Wang 等5人 · Applied Energy · 2025年1月 · Vol.390
准确预测熔化响应时间对于优化热能储存系统至关重要，这类系统在解决建筑环境中热能供需之间的时间不匹配问题中发挥着关键作用。本研究旨在定量预测一种新型三重管热能储存系统的熔化响应时间，该系统结合了相变材料和Y形翅片以增强传热性能。基于焓-孔隙度方法建立了数值模型来模拟熔化过程，在不同的设计和运行条件下共生成60个案例的数据集，其熔化响应时间范围为15至45分钟。研究的关键参数包括翅片角度（10°–30°）、翅片宽度（5–15 mm）以及传热流体温度（60 °C–80 °C）。在模型构建之前，验证了变...
解读: 该相变储能系统的机器学习优化技术对阳光电源ST系列储能变流器和PowerTitan液冷储能系统具有重要借鉴价值。研究中XGBoost算法对热响应时间的92%预测精度,可应用于我司液冷储能系统的热管理优化,特别是三电平拓扑功率器件的散热预测。传热流体温度和翅片宽度作为主导因素的发现,可指导PowerT...
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...
基于机器学习方法的大型光伏电站选址潜力空间评估：以日本爱知县为例
Spatial assessment of utility-scale solar photovoltaic siting potential using machine learning approaches: A case study in Aichi prefecture, Japan
Linwei Taoa · Kiichiro Hayashi · Sangay Gyeltshen · Yuya Shimoyam · Applied Energy · 2025年1月 · Vol.383
最优的空间规划对于大型光伏（PV）开发至关重要，有助于实现高效能源利用，并缓解土地利用冲突与环境干扰。传统的多准则决策方法通常存在固有的主观性和较差的可迁移性，而机器学习（ML）技术则为选址潜力评估提供了数据驱动的分析视角。然而，在应对复杂且具有地点特异性的实际情况时，模型预测结果的本地适用性仍是一个挑战。为解决上述问题，本研究提出了一种基于机器学习的比较框架用于选址潜力评估，并整合了分层级的法规限制因素。首先，构建了一个真实世界的数据集，包含数字化的光伏设施位置清单以及来自地形、气候、环境和社...
解读: 该机器学习选址评估框架对阳光电源地面光伏电站系统集成具有重要应用价值。研究揭示的非线性影响因素(日照时长、坡度、土地价格等)可优化SG系列逆变器配置方案和PowerTitan储能系统部署策略。通过整合地形、气候、环境多维数据,可提升iSolarCloud平台的智能选址功能,实现电站前期规划的数据驱动...
基于机器学习与计算流体动力学的核电厂热能储存集成动态评估与优化
Dynamic Assessment and Optimization of Thermal Energy Storage Integration with Nuclear Power Plants Using Machine Learning and Computational Fluid Dynamics
Muhammad Faizan · Imran Afgan · Applied Energy · 2025年1月 · Vol.391
摘要 本研究利用相变材料（PCM）将热能储存（TES）系统与核电厂（NPPs）进行集成，采用计算流体动力学（CFD）模拟与机器学习技术，以提升核电厂的整体效率与盈利能力。本研究的创新性不仅在于分析PCM热物理特性、设计参数及输入条件对系统性能的影响，更在于开发一种可有效集成于核电厂的TES系统，解决包括输入参数的动态评估以及响应实时需求波动时对可用过剩能量的利用等关键挑战。为开展分析，共执行了2500组CFD模拟，用于评估垂直环形通道内相变行为。系统地分析了诸如传热流体注入条件和多种PCM特性等...
解读: 该研究的CFD仿真与机器学习优化方法对阳光电源ST系列储能系统具有重要借鉴价值。核心启示包括:1)动态评估技术可应用于PowerTitan储能系统的实时需求响应优化,提升削峰填谷效率;2)多目标遗传算法(MOGA)可用于优化PCS充放电策略,平衡充电时长与能量密度;3)ANN预测模型可集成至iSol...
基于机器学习和可解释人工智能的分布式智能电网可解释预测
Interpretable Prediction of a Decentralized Smart Grid Based on Machine Learning and Explainable Artificial Intelligence
Ahmet Cifci · IEEE Access · 2025年1月
分布式智能电网概念已成为高效管理和分配电能的可行方法。确保电网稳定性和可靠性，特别是在可再生能源集成和产消者数量增加的情况下，是该领域的主要挑战。本研究通过利用机器学习ML模型和可解释人工智能XAI技术预测分布式智能电网稳定性来应对该挑战。研究实施分布式智能电网控制DSGC概念的四节点星型网络，使用基于该网络仿真的数据集。对比十种ML模型包括AdaBoost、ANN、GBoost、k-NN、LR、NB、RF、SGD、SVM和XGBoost在预测电网稳定性方面的性能。采用XAI方法特别是SHAP和...
解读: 该智能电网稳定性预测技术对阳光电源虚拟电厂和智能电网解决方案有重要应用价值。阳光iSolarCloud平台管理分布式光伏储能资源，需要准确的电网稳定性预测。机器学习模型可集成到阳光平台的智能调度系统中，提前识别潜在稳定性风险。可解释AI技术SHAP可增强阳光智能决策系统的透明度和可信度。产消者管理是...
物理引导的机器学习利用稀疏、异构的公开数据预测全球太阳能电站性能
Physics-guided machine learning predicts the planet-scale performance of solar farms with sparse, heterogeneous, public data
Jabir Bin Jahangi · Muhammad Ashraful Alam · Applied Energy · 2025年1月 · Vol.396
摘要 光伏（PV）技术格局正在迅速演变。为了预测新兴光伏技术的潜力和可扩展性，必须对这些系统在全球范围内的性能有全面的理解。传统上，大型国家级研究机构的实验和计算研究主要关注特定区域气候条件下的光伏性能。然而，将这些区域性研究结果综合起来以理解其全球性能潜力已被证明十分困难。鉴于获取实验数据的成本高昂，在政治分裂的世界中协调各国国家实验室开展实验存在挑战，以及大型商业运营商的数据隐私顾虑，人们迫切需要一种根本不同且数据效率更高的方法。本文提出了一种面向光伏的物理引导机器学习（PGML）方法，证明...
解读: 该物理引导机器学习方法对阳光电源全球化布局具有重要价值。通过PVZones气候分区和稀疏数据预测全球光伏性能,可优化SG系列逆变器的区域适配策略和MPPT算法参数。结合iSolarCloud平台,该技术能以少量站点数据预测不同气候区的发电潜力,指导ST储能系统容量配置,降低新市场前期勘测成本。数据高...
利用冲击射流和多孔介质增强PVT/空气系统性能：一种结合机器学习预测的计算方法
Enhancing PVT/air system performance with impinging jet and porous media: A computational approach with machine learning predictions
Somayeh Davoodabadi Farahani · Mehdi Khademi Zar · As'ad Alizadeh · Applied Energy · 2025年1月 · Vol.377
热光伏系统（PVT）吸收太阳能并将其转化为电能。太阳能电池温度的升高会降低其发电效率。本研究采用多孔介质与冲击气流射流对光伏组件（PV）进行冷却，以降低太阳能电池的工作温度。考虑了不同布置形式的冲击射流系统（单点与多点），用于评估光伏组件的发电效率。研究考察了雷诺数（Re）、太阳辐射强度、孔隙率系数、达西数（Darcy number）、无量纲多孔层厚度、射流及注入位置、射流速度与角度等因素对PVT系统效率的影响。结果表明，多孔介质通过提高有效导热系数并降低对流热阻，对降低光伏组件温度和提升其发电...
解读: 该PVT主动冷却技术对阳光电源SG系列光伏逆变器系统具有重要参考价值。研究表明冲击射流与多孔介质结合可提升电池效率达26%,这为我司1500V高功率系统的热管理优化提供新思路。其机器学习预测模型(GPR/ANFIS)可集成至iSolarCloud平台,实现光伏组件温度的智能预测与主动冷却控制,结合M...
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...
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...
光伏发电场产量预测：基于改进元启发式优化的长短期记忆网络方法
Photovoltaic Farm Production Forecasting: Modified Metaheuristic Optimized Long Short-Term Memory-Based Networks Approach
Aleksandar Stojkovic · Bosko Nikolic · Miodrag Zivkovic · Nebojsa Bacanin · IEEE Access · 2025年1月
化石能源的有限性推动了可再生能源的发展，但其并网仍面临挑战。太阳能发电受天气影响显著，精确预测对电网调度与电力交易至关重要。本文研究基于轻量化长短期记忆网络（LSTM）结合注意力机制的模型，并提出一种改进的粒子群元启发式优化算法以优化超参数。基于印度两座光伏电站及塞尔维亚Mihailo Pupin研究所屋顶电站的实际数据进行实验，所提方法在多个指标上表现优异，最低均方误差达0.001812。通过TinyML验证了模型在边缘设备部署的可行性，填补了轻量化LSTM在该领域应用的研究空白。
解读: 该轻量化LSTM光伏预测技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。精确的发电预测可优化ST系列储能变流器的充放电策略，提升能量管理效率；改进的粒子群算法可用于SG系列逆变器MPPT参数自适应优化。TinyML边缘部署方案与阳光电源构网型GFM控制...
一种用于比较光伏跟踪系统的折衷解决方案：基于7E和不确定性分析并辅以机器学习算法
A compromise solution for comparison photovoltaic tracking systems: A 7E and uncertainty analysis assisted by machine learning algorithm
Seyyed Shahabaddin Hosseini Dehshir · Bahar D. Firoozabadi · Energy Conversion and Management · 2025年1月 · Vol.323
随着光伏产业的持续扩张，固定式系统效率低下的问题日益突出，亟需改进方案，而跟踪系统作为提升发电量的可行选择应运而生。为此，本研究提出了一种基于折衷解的新框架，对四种常见的太阳能跟踪类型进行评估，包括单轴东西向跟踪（SEWT）、单轴南北向跟踪（SNST）、单轴方位角跟踪（SAZT）和双轴跟踪（DAT），评估维度涵盖能量、㶲、经济性、环境影响、能经济学、㶲经济学和环境经济学，并结合风险评估。为预测跟踪系统的不确定性，该问题被求解5000次后，利用随机森林算法（R² ∼ 0.95）进行外推预测，模拟时...
解读: 该研究对阳光电源SG系列光伏逆变器产品线具有重要指导意义。双轴跟踪系统虽发电量最优(3.21GWh/年)但投资回收期长,单轴方位跟踪(SAZT)作为折中方案更具商业价值。建议将机器学习算法集成到iSolarCloud平台,实现跟踪系统的7E维度智能评估与风险预测,结合MPPT优化技术动态匹配不同跟踪...
集成多物理场建模与机器学习以提升质子交换膜水电解系统的效率与热管理
Integrating multiphysics modeling and machine learning for enhanced efficiency and thermal management in PEM water electrolyzer systems
Zilong Yanga · Jin Yangb · Haoran Sunb · Weiqun Liua 等6人 · Applied Energy · 2025年1月 · Vol.401
摘要 质子交换膜（PEM）水电解槽是实现可持续氢气生产的一项有前景的技术，然而在不同工况下优化其性能仍是一个关键挑战。本研究构建了一个优化问题，旨在考察关键操作参数（如入口流量Q_in和入口温度T_in）如何影响一个5 cm × 5 cm的PEM水电解槽的性能。目标是最大化系统效率、确保热安全性，并最小化辅助系统（BOP）的能耗。首先，提出了一种集管式直通道PEM水电解槽模型，该模型考虑了多物理场耦合效应，用以揭示入口温度和流量对氢气生产效率及BOP能耗的影响规律。随后，建立了用于提升系统性能的...
解读: 该PEM电解槽多物理场建模与机器学习优化技术对阳光电源氢能业务具有重要借鉴价值。研究中的热管理策略、效率优化方法可直接应用于ST系列储能变流器的热设计优化,通过ANN-PSO算法降低计算成本的思路可迁移至iSolarCloud平台的预测性维护模块。多物理场耦合仿真经验可支撑SiC器件在大功率电解系统...
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...
第 5 / 6 页