找到 3 条结果
利用光伏参数和机器学习确定硅太阳能电池中的铁浓度
Determination the iron concentration in silicon solar cells using photovoltaic parameters and machine learning
Oleg Olikh · Oleksii Zavhorodni · Solar Energy · 2025年1月 · Vol.300
摘要 本研究提出了一种基于机器学习（ML）的创新方法，用于量化硅太阳能电池中的铁杂质。通过对80种模型进行综合分析，采用随机森林（RF）、梯度提升（GB）、极端梯度提升（XGB）、支持向量回归（SVR）和深度神经网络（DNN）等算法，根据FeB对解离引起的光伏参数变化来预测铁浓度。研究识别了训练数据集为最小化预测误差所需满足的条件，以及能够产生最准确预测的特征组合。此外，评估了使用主成分分析（PCA）进行数据预处理的有效性。结果表明，XGB和DNN模型优于其他模型，在合成数据上达到的均方误差（M...
解读: 该机器学习铁杂质检测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。通过XGB/DNN算法实时监测组件铁污染导致的效率衰减,可集成至MPPT优化算法中实现动态功率预测修正。建议将此方法嵌入智能运维系统,结合光伏参数变化特征实现组件质量分级与寿命预测,提升电站资产管理精度...
结合数据驱动与等效电路模型的无线电力传输系统互感及负载识别
Mutual Inductance and Load Identification of Wireless Power Transfer Systems Combining Data-Driven and Equivalent Circuit Models
Xu Wang · Yanjie Guo · Fei Xu · Ming Xue 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年10月
互感和负载变化影响无线电力传输（WPT）系统性能，准确识别这些参数对系统控制与状态监测具有重要意义。现有方法多基于电路模型，易受参数误差影响。本文提出一种融合电路模型与数据驱动模型的互感和负载识别方法，兼具数据驱动模型抗参数误差能力强和电路模型物理意义明确的优点，仅需WPT系统的直流输入电流和一个电压有效值即可实现精确识别，无需无线通信。采用支持向量回归（SVR）建立数据驱动模型，并结合考虑整流器等效输入阻抗的电路模型推导参数关系，进而提出负载识别方法。实验结果表明，互感、负载电阻和负载电压的最...
解读: 该互感与负载识别技术对阳光电源无线充电产品线具有重要应用价值。在新能源汽车充电桩业务中，可应用于无线充电系统的实时参数监测与自适应控制，通过融合SVR数据驱动模型与等效电路模型，仅需直流输入电流和电压有效值即可实现互感、负载的高精度识别（误差<5%），无需无线通信降低系统成本。该方法可增强阳光电源无...
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...