找到 2 条结果
结合风向与降水效应的光伏组件温度预测模型
Photovoltaic Module Temperature Prediction Model Incorporating Wind Direction and Precipitation Effects
José F. B. de F. Filho · Washington L. A. Neves · Flavio B. Costa · IEEE Journal of Photovoltaics · 2025年6月
本研究提出了一种创新方法，除了对环境温度、风速、太阳辐照度和相对湿度等常用分析变量进行考量外，还纳入了风向和降水等未被充分研究的气候因素，以估算光伏组件的工作温度。该研究填补了文献空白，提高了光伏组件温度估算模型的预测准确性。所开发的方法旨在整合来自任何地点的测量数据，并利用两年多测量收集的数据进行了验证，证明所得预测模型既有效又精确。该方法采用多元线性回归推导预测模型，确保在不同环境背景下具有适应性和准确性。结果表明，与其他模型相比，预测性能有显著提升。这一进展有助于全球分布式光伏系统的更好设...
解读: 该温度预测模型对阳光电源SG系列光伏逆变器和iSolarCloud智能运维平台具有重要应用价值。精准的组件温度预测可优化MPPT算法，通过实时温度修正提升功率追踪精度；风向、降水等环境因子的引入，可增强智能诊断系统对异常发热的识别能力，实现预测性维护。该模型可集成至iSolarCloud平台，结合气...
影响学生学业表现的因素：混合数据因子分析和多元线性回归分析的组合
Factors Affecting Student Academic Performance: A Combined Factor Analysis of Mixed Data and Multiple Linear Regression Analysis
Mohamed El Jihaoui · Oum El Kheir Abra · Khalifa Mansouri · IEEE Access · 2025年1月
理解学生学业表现是发展可持续教育实践造福学生、教师、政策制定者和社会的基石。该分析直接影响学生参与和促进可持续实践的能力，从而塑造其未来学业成功。虽然许多研究专注于基于特征集预测学生表现，本研究采用将这些特征简化为因子并分析其影响的方法。旨在使用混合数据因子分析和多元线性回归的组合方法识别中学教育系统中影响学生表现的因素。分析基于1073450个观测值的稳健可靠大数据集，涵盖定性和定量特征。混合数据因子分析识别四个潜在因子：先前学业表现、学业延迟、社会经济地位和班级环境，所有这些因子具有良好到出...
解读: 该学生表现预测模型对阳光电源人才培养体系具有借鉴意义。阳光作为技术密集型企业，人才是核心竞争力，该多因素分析方法可应用于阳光校企合作和内部培训项目。阳光可构建员工技能成长预测模型，早期识别高潜力人才和需要支持的员工，制定个性化培养计划，提升人才培养效率和员工满意度，增强企业技术创新能力和可持续发展能...