找到 2 条结果
基于逆深度学习光线追踪的定日镜表面预测
Inverse Deep Learning Raytracing for heliostat surface prediction
Jan Lewen · Max Pargmann · Mehdi Cherti · Jenia Jitsev 等6人 · Solar Energy · 2025年1月 · Vol.289
摘要 聚光太阳能热发电（Concentrating Solar Power, CSP）电站在全球向可持续能源转型过程中发挥着关键作用。确保CSP电站安全高效运行的一个关键因素是接收器上聚光通量密度的分布情况。然而，单个定日镜产生的非理想通量密度可能损害电站的安全性和效率。每个定日镜所产生的通量密度受其精确表面形貌的影响，包括倾斜角度（canting）和镜面误差等因素。对运行中的大量定日镜进行表面形貌的准确测量是一项艰巨的挑战。因此，控制系统通常依赖于理想表面条件的假设，这在一定程度上牺牲了系统的...
解读: 该逆向深度学习光线追踪技术对阳光电源光热-光伏混合电站系统具有重要借鉴价值。iDLR方法通过目标图像预测定日镜表面缺陷,实现92%精度的光通量预测,可启发iSolarCloud平台开发基于深度学习的光伏组件表面缺陷诊断功能。其NURBS参数化模型将存储需求降低99.91%,与阳光电源SG系列逆变器的...
从焦斑可扩展预测定日镜表面：逆向深度学习光线追踪的仿真到真实迁移
Scalable heliostat surface predictions from focal spots: Sim-to-Real transfer of inverse Deep Learning Raytracing
Jan Lewen · Max Pargmann · Mehdi Cherti · Jenia Jitsev 等6人 · Solar Energy · 2025年1月 · Vol.300
摘要 聚光太阳能发电（Concentrating Solar Power, CSP）电站是实现可持续能源转型的关键技术之一。其安全高效运行的一个关键因素在于接收器上太阳辐射通量分布的精确性。然而，单个定日镜产生的通量密度对表面缺陷极为敏感，例如镜面倾斜误差和形变。在实际部署中，对数百乃至数千个定日镜的表面进行逐一测量仍然不切实际。因此，控制系统通常假设定日镜表面为理想状态，导致性能次优并可能带来安全隐患。为解决这一问题，近期提出了一种名为逆向深度学习光线追踪（inverse Deep Learn...
解读: 该逆向深度学习光线追踪技术对阳光电源光热-光伏混合电站具有重要价值。iDLR可实现定日镜表面缺陷的自动化检测与建模,通过零样本迁移学习将仿真模型直接应用于实际场景,预测精度达90%。该方法可集成至iSolarCloud平台,实现大规模定日镜阵列的预测性维护与数字孪生建模。其深度学习架构可借鉴应用于S...