Namrata A.Tukadiy · Zarna D.Ponkiy · Nikunj Joshi · Deepak Upadhyay 等5人 · Solar Energy · 2025年1月 · Vol.300

本研究利用机器学习（ML）模型预测RbGeBr3钙钛矿太阳能电池的性能，并通过太阳能电容模拟器（SCAPS-1D）进行验证。采用来自MaterialsZone数据库的基于密度泛函理论（DFT）生成的数据集，其中包含有机–无机卤化物钙钛矿材料的数据，结合基于Scikit-learn的模型及关联规则挖掘方法进行分析。共评估了443种太阳能电池结构，使用九个关键输入特征来预测能量转换效率（PCE）。在所采用的多种模型中，包括随机森林（RF）、决策树（DT）、K近邻算法（KNN）、梯度提升回归（GBR）...

解读: 该研究通过机器学习预测RbGeBr3钙钛矿电池效率达31.76%,为阳光电源SG系列光伏逆变器的MPPT算法优化提供新思路。ML模型可应用于iSolarCloud平台,实现组件性能预测性维护。钙钛矿高效率特性要求逆变器具备更宽电压范围和更精准功率追踪能力,可推动1500V系统和三电平拓扑技术升级。建...