Nafees Ahm · Mahmoud A. A. Ibrahim · Shaban Rushdy Moustafa Say · Syed Shoaib Ahmad Shah 等6人 · Solar Energy · 2025年1月 · Vol.287

摘要 提出了一种基于数据挖掘的方法，用于搜索适用于光伏应用的有机化合物。从含有较低空穴转移重组能的有机化合物数据库中筛选有机半导体材料。选取三种聚合物给体作为标准结构，用于在数据库中搜索相似材料。采用机器学习预测能级，作为筛选最佳光伏材料的判据。使用分子指纹对机器学习模型进行训练。共尝试了40多种机器学习模型，其中随机森林模型表现最优（训练集和测试集的决定系数r-squared分别为0.800和0.609）。该机器学习模型被用于预测新材料的能级。同时预测了所选有机半导体材料的合成可及性，所有这些...

解读: 该机器学习材料筛选技术对阳光电源SG系列光伏逆变器及组件选型具有重要参考价值。通过数据挖掘优化钙钛矿和有机太阳能电池材料,可提升光伏组件转换效率,直接增强逆变器MPPT优化效果。随机森林模型预测能级的方法可应用于iSolarCloud平台,建立材料性能数据库,为1500V高压系统的组件匹配提供智能决...