Hanadi Harou · Jimmy S.Iss · Pierre Rahme · Solar Energy · 2025年1月 · Vol.301

摘要 本研究提出了一种新颖的基于机器学习的框架，用于预测单面和双面光伏系统在不同调整策略下的最佳倾角。该框架利用来自美国184个地点、为期六年的高分辨率（5分钟间隔）卫星辐照度数据。与以往研究不同，本研究结合了精细的时间分辨率数据、广泛的地理覆盖范围，并对十三种机器学习模型进行了比较评估，以优化三种调整策略（年度、季节性和月度）下的最佳倾角。倾斜表面上的辐照度采用各向同性天空模型进行估算，从而高效模拟了从0到1、以0.1为增量变化的不同反照率条件下组件正面与背面的受光情况。所得到的最佳倾角被用作...

解读: 该机器学习倾角优化技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。研究针对单双面组件的精准倾角预测(误差<1.7°)可集成至智能运维系统,结合MPPT优化算法实现发电量最大化。双面组件在高反射率地面可增益超80%的发现,为PowerTitan储能系统的容量配置提供数据支...