找到 1 条结果
开发基于深度学习的硅基太阳能电池模型用于聚光光伏系统：面向高效应用的实时性能预测
Developing deep learning-based model for silicon-based solar cells in concentrator photovoltaic systems: A real-time prediction for efficient application-oriented performance
Mohamed M.Elsabahy · Mohamed Emam · Sameh A. Nad · Applied Energy · 2025年1月 · Vol.388
摘要 聚光光伏（CPV）技术利用高强度的入射太阳辐射，通过紧凑且成本效益高的散热器实现电能输出与热能利用的结合。然而，最大化聚光比需要强化冷却，从而产生大量低温热能。另一方面，为了使这些低温热能达到热驱动应用所需的温度水平，必须协调多个运行和设计参数，包括聚光比和散热器特性。这一问题可通过传统的有限体积法（FVM）结合优化技术或在不同冷却方式下针对宽范围聚光比进行的大量参数研究来数值揭示，但这种方法需要极高的计算成本和时间。为应对这一挑战，本研究提出一种基于深度学习的模型，作为计算高效的替代方案...
解读: 该深度学习CPV性能预测技术对阳光电源SG系列光伏逆变器及iSolarCloud平台具有重要应用价值。文中提出的实时性能优化模型可集成至智能运维系统,通过神经网络快速预测不同气象条件下的发电效率,替代传统有限元仿真的高计算成本。该方法可应用于MPPT算法优化,实现动态参数调整;同时为PowerTit...