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...