找到 110 条结果
风力发电机高级功率曲线建模：基于SGBRT与灰狼优化的多变量方法
Advanced power curve modeling for wind turbines: A multivariable approach with SGBRT and grey wolf optimization
Wenliang Yin · Mengqian Ji · Lin Liu · Ming Li 等7人 · Energy Conversion and Management · 2025年1月 · Vol.332
准确的功率曲线建模对于提升并网风力发电机（WTs）的运行效率和性能至关重要。为了提高建模质量并消除输入变量之间的相互影响，本文提出了一种新颖的多变量功率曲线预测方法，该方法融合了先进的机器学习技术——随机梯度提升回归树（SGBRT）和灰狼优化算法（GWO），并结合创新的数据预处理和特征选择方法。具体研究工作与创新点如下：1）在二维Copula空间中对原始数据进行清洗，以风轮转速作为辅助判据并采用概率描述方式，以处理数据不确定性及非线性依赖关系；2）提出一种偏互信息（PMI）方法用于数据分析，在此...
解读: 该风电功率曲线建模技术对阳光电源具有重要借鉴价值。其SGBRT+GWO优化算法可应用于iSolarCloud平台的光伏功率预测,提升ST储能系统的充放电策略优化精度。PMI特征选择方法可用于SG逆变器的MPPT算法改进,降低计算复杂度。二维Copula数据清洗技术适用于储能电站SCADA数据预处理,...
用于光伏输出预测的混合机器学习模型：结合随机森林与LSTM-RNN实现鱼菜共生系统的可持续能源管理
Hybrid Machine learning models for PV output prediction: Harnessing Random Forest and LSTM-RNN for sustainable energy management in aquaponic system
Tresna Dewi · Elsa Nurul Mardiyat · Pola Risma · Yurni Oktarin · Energy Conversion and Management · 2025年1月 · Vol.330
准确预测光伏发电（PV）系统输出对于优化可持续鱼菜共生系统中的能源管理至关重要，其中太阳辐照度的波动带来了重大挑战。本研究提出了一种结合长短期记忆循环神经网络（LSTM-RNN）与随机森林（RF）的混合模型，以有效应对这些挑战。该模型融合了LSTM-RNN在建模时间依赖性方面的优势以及RF在特征选择和处理非线性数据方面的能力，从而在电压、电流、功率和辐照度等参数上展现出优越的预测精度。通过采用包括归一化和序列转换在内的先进预处理步骤，使数据集与时间模式对齐，提升了模型的学习效率。评估指标如均方根...
解读: 该混合机器学习模型对阳光电源iSolarCloud智慧运维平台具有重要应用价值。LSTM-RNN与随机森林结合的预测方法可集成至SG系列光伏逆变器的MPPT优化算法,提升发电预测精度(RMSE<0.08)。模型对辐照度和温度的特征优先级分析(贡献度45%和22%)可优化ST系列储能PCS的充放电策略...
基于静止卫星观测数据的机器学习短波辐射预报以优化太阳能光伏和聚光太阳能系统
Machine learning forecasts of short wave radiation from geostationary satellite measurements to optimize solar photovoltaic and concentrated solar power systems
Hongyu Wua · Chengxin Zhangb · Jingkai Xuea · Xinhan Niub 等7人 · Solar Energy · 2025年1月 · Vol.299
摘要 在全球能源转型与可持续发展的背景下，精确的短波辐射（SWR）预测对于提高太阳能光伏发电（PV）和聚光太阳能发电（CSP）系统的效率与经济可行性日益重要。本研究提出了一种创新的机器学习短波辐射预测模型，利用静止卫星的多波段太阳短波辐射测量数据，实现未来一小时内的短波辐射预报。该模型基于一种云量加权的混合模型，结合了卷积长短期记忆网络（ConvLSTM）与傅里叶神经算子（FNO）模型。在测试过程中，优化后的混合模型表现优于ERA5再分析数据，预测误差降低了24.14%，平均绝对误差降低了38....
解读: 该卫星遥感+机器学习的短波辐射预测技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。通过ConvLSTM-FNO混合模型实现小时级精准预测,可优化MPPT算法实时响应辐照变化,提升发电效率6.4%。结合iSolarCloud平台可实现光储协同调度:光伏侧提前调整并网策略,储能侧优化充放...
部分遮阴下最优功率采集：基于二进制灰雁优化的光伏阵列重构与基于机器学习的故障诊断
Optimal power harvesting under partial shading: Binary Greylag Goose optimization for reconfiguration and Machine learning-Based fault diagnosis in solar PV arrays
S.Saravanan · R. Senthil Kumar · P.Balakumar · N. Prabaharan · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 光伏（PV）系统已成为向电网提供能量采集支持的主要来源，作为传统能源的可持续替代方案。然而，部分遮阴对光伏系统的影响会降低基于光伏的发电效率。光伏阵列重构方法是减轻部分遮阴效应影响的最佳实践之一。本文提出了一种新的光伏阵列重构方法，采用二进制灰雁优化（Binary Greylag Goose Optimization, BGGO）算法。为验证所提BGGO方法的有效性，研究采用一个9x9面板的光伏阵列，并考虑六种阴影分布模式——右下角、右上角、左下角、左上角、中心以及对角线遮阴。在总交叉连接...
解读: 该二进制灰雁优化算法结合机器学习的阴影应对方案,对阳光电源SG系列光伏逆变器的MPPT优化技术具有重要参考价值。研究验证在复杂遮挡场景下通过阵列重构可提升10-14%发电效率,可与我司iSolarCloud平台的预测性维护功能深度融合,实现智能故障诊断与动态拓扑优化。该方法论可应用于ST储能系统的能...
一种面向模块化储热系统设计的高效机器学习方法
Computationally effective machine learning approach for modular thermal energy storage design
Davinder Singh · Tanguy Rugamb · Harsh Katar · Kuljeet Singh Grewal · Applied Energy · 2025年1月 · Vol.377
摘要 本研究提出了一种创新性方法，将计算流体动力学（CFD）与机器学习（ML）相结合，用于热能储存（TES）系统的设计与优化。基于使用CFD开展的放热过程参数化分析结果，训练了多种机器学习模型，包括线性回归、K近邻回归（KNN回归）、梯度提升回归（GBR）、XGBoost、LightGBM以及神经网络（NN）。结果表明，神经网络（NN）在预测混凝土和传热流体（HTF）温度随时间变化方面表现最优，是最适合的模型。训练后的机器学习模型为传统的CFD模拟提供了高效的替代方案，能够在不同入口条件、流速和...
解读: 该CFD与机器学习融合技术对阳光电源储能系统具有重要价值。可应用于PowerTitan液冷储能热管理优化,通过神经网络模型替代传统CFD仿真,计算效率提升99%以上。适用于ST系列PCS多模块级联散热设计,快速预测电池簇温度分布。该方法可集成至iSolarCloud平台,实现储能电站热失控预测性维护...
AI驱动的物联网：集成人工智能与物联网以增强安全、效率和智能应用综述
AI-Powered IoT: A Survey on Integrating Artificial Intelligence With IoT for Enhanced Security, Efficiency, and Smart Applications
Vivek Menon U · Vinoth Babu Kumaravelu · Vinoth Kumar C · Rammohan A 等6人 · IEEE Access · 2025年1月
物联网IoT和人工智能AI驱动的IoT是近年来激增至新高度的重要范式。IoT是智能技术，其中我们周围无处不在的物理对象或事物联网并连接到互联网以提供新服务和增强效率。IoT主要目标是在通用基础设施下连接世界所有物理对象或事物，允许人类控制它们并获得及时频繁的状态更新。这些连接到IoT的事物或设备生成、收集和处理海量二进制数据。来自这些设备的海量数据由AI算法和技术分析和学习，帮助为用户提供更好服务。因此AI驱动的IoT或人工物联网AIoT是融合AI与IoT的混合技术，能够轻松高效简化复杂繁重任务...
解读: 该AIoT综述对阳光电源iSolarCloud平台和智能设备发展有全面指导价值。阳光云平台连接海量光伏储能设备，AIoT技术可提升平台智能化水平和设备管理效率。机器学习和深度学习安全方法可应用于阳光平台的入侵检测和异常识别。联邦学习技术可实现阳光分布式设备的隐私保护协同训练。区块链技术对阳光能源交易...
基于数值模拟与机器学习建模优化住宅用质子交换膜燃料电池微型热电联产系统中的氢气储存
Optimization of hydrogen gas storage in PEM fuel cell mCHP system for residential applications using numerical and machine learning modeling
Taoufiq Kaoutar · Hasna Louahli · Pierre Schaetze · Energy Conversion and Management · 2025年1月 · Vol.341
摘要 本研究探讨了基于氢能源系统的集成与优化，重点在于将金属氢化物（MH）储氢与质子交换膜燃料电池微型热电联产（PEMFC MCHP）系统相结合，应用于住宅领域。该MH储氢系统与热泵耦合运行，充放电压力为10 bar。采用COMSOL 6.1版本软件，利用固体与流体传热模块及Brinkman方程模块建立模型，并通过实验数据进行验证，同时应用机器学习方法（前馈神经网络）对MH动态过程进行预测性建模。研究发现，较小的500 NL储氢罐具有较高的质量比热需求，但氢气动力学性能更优，可在一小时内达到约7...
解读: 该氢储能-燃料电池mCHP系统研究对阳光电源储能及户用产品线具有重要参考价值。金属氢化物储能的热管理优化思路可借鉴至ST系列储能变流器的温控策略;研究中采用的机器学习预测建模方法与iSolarCloud平台的预测性维护技术高度契合,可用于优化户用光伏-储能系统的充放电策略;燃料电池mCHP的冷热电联...
基于不同半导体层
CZTS、CZTGS、Al0.8Ga0.2Sb、GaAs）的CsBi3I10异质结太阳能电池数值模拟与性能提升及机器学习分析
Rabeya Khan · Nadira Farjan · Mst. Jahida Akter Jim · Jehan Yahya G. Y. Al Humaidi 等6人 · Solar Energy · 2025年1月 · Vol.295
摘要 正在研究提高铋卤化物基光伏器件效率的策略，同时也在关注这些太阳能电池带来的积极生态影响。本研究通过采用多种底部吸收层，系统地考察了基于CsBi3I10的异质结太阳能电池的转换效率，并重点分析了各功能层的厚度和掺杂浓度、工作温度以及背接触功函数等因素对器件性能的影响。通过确定一种高效的GaAs半导体层，并将其受主浓度优化至5×10^16 cm^−3，同时增加其厚度，显著提升了器件效率。在本研究中，设计了一种新型的CsBi3I10基异质结钙钛矿太阳能电池结构：Au/NiO/GaAs/CsBi3...
解读: 该CsBi3I10异质结电池研究对阳光电源SG系列光伏逆变器具有前瞻价值。无铅钙钛矿材料的27.4%转换效率突破,为新型光伏组件适配提供技术储备。机器学习优化方法可借鉴至MPPT算法改进和iSolarCloud平台的发电预测模型中,提升逆变器在新材料电池下的能量捕获效率。异质结层间优化思路亦可启发功...
可解释且高精度的基于三级树的集成混合模型用于预测光电化学电池中的光电流密度和电极电势：理论支持并由实验数据外部验证
Interpretable and highly accurate tertiary tree-based ensemble hybrid models for the prediction of photocurrent density and electrode potential in PEC cell: Theoretically supported and externally validated by experimental data
Nepal Sahua · Chandrashekhar Azadb · Uday Kumar · Applied Energy · 2025年1月 · Vol.401
摘要 光电流密度（J）以及相对于可逆氢电极的电势（V RHE）是评估用于绿色氢气生产的光电化学（PEC）系统性能的关键参数。本研究旨在构建一种高精度、可解释、稳健且通用的机器学习模型，用于预测J和V RHE，并通过理论支持与外部验证加以证实。在本研究中，首先利用贝叶斯优化（BO）方法将两个单模型（M1, M2）结合，基于包含2593条记录的数据集开发了两个二元混合模型（M3, M4），随后进一步构建了两个用于预测J和V RHE的三级混合模型（M5, M6）。采用五组独立的实验数据集和三个基于物理...
解读: 该光电化学制氢预测模型对阳光电源绿氢储能系统具有重要参考价值。研究中的机器学习混合模型(R²>0.999)可应用于ST系列储能变流器的氢储能场景优化,通过预测光电流密度和电极电位提升制氢效率。SHAP可解释性分析揭示的带隙、电极面积等关键参数,可指导iSolarCloud平台开发光伏制氢预测性维护算...
一种创新的太阳能-木质纤维素生物质集成多联产系统，结合生物炼制与固体氧化物电解池
An innovative optimal integrated solar-lignocellulosic biomass polygeneration system with biorefinery and solid oxide electrolyzer cell
Mehdi Mori · Mohammad Hasan Khoshgoftar Manesh · Energy Conversion and Management · 2025年1月 · Vol.327
摘要 多联产系统通过整合多种能源和工艺，在统一系统中生产多种产品，以满足居民和工业需求，相较于单一工艺系统具有更高的可持续性和韧性。优化此类系统可最大化能源资源的利用效率。本研究提出了一种综合性的多联产系统，能够生产八种产品，以满足电力、制冷、供热以及淡水、氢气、氧气、二氧化碳和乙醇等副产品的需求。该系统基于两种可再生能源——太阳能和生物质能，并结合传统的甲烷能源。通过对能量、㶲、㶲经济、㶲环境、能值经济和能值环境等多个维度进行综合评估，对该系统进行了全面评价。采用MATLAB进行数学建模，评估...
解读: 该多能互补系统整合太阳能与生物质能源,对阳光电源ST储能系统和SG光伏逆变器产品线具有重要参考价值。固体氧化物电解池制氢技术可与我司储能PCS协同,实现电-氢耦合优化。研究中的多目标优化方法(机器学习+遗传算法)可应用于iSolarCloud平台,提升能效2.54%、降低成本1.88%的成果验证了智...
第 6 / 6 页