Leonardo F.L.Lemo · Allan R.Stark · Alexandre K.da Silva · Applied Energy · 2025年10月 · Vol.395

摘要 评估可再生能源驱动系统的性能，例如太阳能工艺热系统，可能需要开发复杂且计算成本较高的模型，以在大量不同的设计构型和运行条件下对这些系统进行仿真。由此产生的数据网格通常用于训练代表系统性能的代理模型，进而可用于分析系统的盈利能力并计算经济上最优的配置。然而，这种方法可能并不可行，因为它需要过多的仿真次数。因此，本研究提出了一种新颖且替代性的方法，采用约束高斯过程结合主动学习策略，以显著减少所需的训练数据量来构建此类代理模型。结果表明，对于一个测试的四维示例案例，与基于网格的方法相比，所提出的...

解读: 该约束高斯过程代理模型技术对阳光电源光储系统优化具有重要价值。可应用于ST系列储能变流器与SG系列光伏逆变器的协同配置优化,通过减少75%仿真数据量显著提升系统设计效率。该主动学习策略可集成至iSolarCloud平台,实现光热-储能混合系统的快速经济性评估与容量配置优化,特别适用于工商业场景下Po...