找到 103 条结果
通过机器学习技术预测屋顶几何形状以释放太阳能潜力——一项综述
Unlocking solar potential through machine learning techniques for roof geometry prediction- A review
Dina Shat · Sara Omrani · Robin Drogemuller · Simon Denman 等5人 · Solar Energy · 2025年12月 · Vol.302
摘要 全球向可再生能源的转型凸显了优化住宅太阳能光伏（PV）系统的必要性。准确的屋顶几何形状预测对于提高屋顶太阳能安装的效率和可扩展性至关重要。本综述考察了近期为提升屋顶几何预测精度而设计的机器学习（ML）方法，综合分析了包括卷积神经网络（CNN）和多任务学习框架在内的最新技术，以评估预测精度和计算效率方面的改进。本文还强调了当前面临的挑战，例如数据可用性、多样化数据集的整合（如航拍影像和LiDAR扫描）以及地理泛化能力，并提出了未来研究的方向。未来的研究机会包括开发鲁棒且可扩展的机器学习模型以...
解读: 该机器学习屋顶几何预测技术对阳光电源户用光伏系统具有重要应用价值。通过CNN等深度学习模型精准预测屋顶结构,可优化SG系列逆变器的MPPT配置方案和组串设计。结合iSolarCloud平台,能实现屋顶光伏潜力自动评估、系统容量智能推荐及安装方案优化。该技术可与阳光电源储能系统ST系列协同,通过屋顶数...
家庭电池储能系统在配电网中控制的机器学习与MPC方法比较
Comparison of machine learning and MPC methods for control of home battery storage systems in distribution grids
Felicitas Mueller · Stevende Jongh · Claudio A.Cañizares · Thomas Leibfried 等5人 · Applied Energy · 2025年12月 · Vol.400
本文在主动配电网的影响及其交互作用背景下，提出并比较了采用传统优化技术与最先进的机器学习方法实现的家庭能源管理系统控制策略。首先介绍了基于模型预测控制算法的模型驱动方法，并将其在不同预测精度条件下与基于模仿学习和强化学习的无模型方法进行对比。以一种实用的、当前最先进的启发式规则控制器作为基准。通过目标函数值、电网约束违反情况以及计算时间等指标进行了深入比较。讨论了将这些家庭能源管理系统应用于一个包含13个连接住户的真实德国低压基准电网时的结果，每个住户均配备光伏发电、电池储能系统及电力负荷。结果...
解读: 该研究对阳光电源ST系列储能变流器和PowerTitan系统的能量管理优化具有重要参考价值。文章对比了MPC模型预测控制与机器学习方法在家庭储能系统中的应用效果,验证了模仿学习在计算效率与性能间的最佳平衡。建议将此技术融入iSolarCloud平台的智能控制算法,通过强化学习优化多户储能系统的协同调...
基于机器学习的单面和双面光伏系统最佳倾角预测
Machine learning-based prediction of optimal tilt angles for monofacial and bifacial PV systems
Hanadi Harou · Jimmy S.Iss · Pierre Rahme · Solar Energy · 2025年11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...
基于可解释机器学习的被动式建筑一体化光伏幕墙多性能预测与优化
Multi-performance prediction and optimization for building-integrated photovoltaics facades with passive design via explainable machine learning
Han Qiuab1 · Zhichao Maa1 · Yaping Huc · Dandan Wuc 等6人 · Solar Energy · 2025年11月 · Vol.301
摘要 建筑一体化光伏（BIPV）幕墙结合被动式设计是一种应对气候变化与能源挑战的低碳、可持续性建筑策略。鉴于前期设计决策对项目成果具有显著影响，本研究聚焦于开发针对三项关键性能指标的快速评估方法：采光可用性、太阳能发电量以及建筑能效。为此，我们通过建筑性能模拟与标签分类构建了适用于上海地区的专用数据集。基于该数据集，建立了四个关键指标的预测模型：空间日光自治率（sDA）、太阳辐射量、采暖年均能耗强度（EUI_heat）和制冷年均能耗强度（EUI_cool）。通过对比随机森林（Random For...
解读: 该BIPV被动式设计多性能预测技术对阳光电源SG系列光伏逆变器与储能系统集成具有重要价值。研究实现光伏发电可满足25-48%冷热负荷,契合我司PowerTitan储能系统的能量管理优化场景。机器学习快速评估方法可集成至iSolarCloud平台,为建筑光伏项目提供设计阶段的发电量与负荷匹配预测,优化...
一种用于长期光伏和风电功率预测的细粒度频率分解框架
A fine-grained frequency decomposition framework for long-term photovoltaic and wind power forecasting
Peng Suna · Tingxiao Dinga · Jin Sua · Yuhan Yanga 等8人 · Solar Energy · 2025年11月 · Vol.301
准确预测太阳能和风能对于实现高效的电网集成至关重要。然而，现有的机器学习和深度学习方法在处理复杂且变化多端的时间序列数据时面临若干挑战，例如通用性有限、泛化能力不足，以及难以平衡计算效率与预测精度之间的关系。为应对这些挑战，本研究提出了一种细粒度频率分解框架（FDF），并设计了一种基于小波变换与下采样策略（连续采样和间隔采样）的序列分解方案。该框架旨在深入挖掘时间序列中的复杂时序模式，并充分捕捉长距离依赖关系。具体而言，FDF首先利用小波变换将原始时间序列分解为多个不同频率的分量；随后，对每个分...
解读: 该细粒度频率分解框架对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过小波变换与采样策略结合,可显著提升光伏功率预测精度(MAE降低7.65%),同时保持轻量化特性(0.29M参数)。该方法可集成至ST系列PCS的功率预测模块,优化PowerTitan储能系统的充放电策略制...
基于计算智能的无人机集成光伏模块在结冰条件下的建模
Computational Intelligence-Based Modeling of a UAV-Integrated PV Module in Icing Conditions
MohammadHosein Saeedinia · Shamsodin Taheri · Ana-Maria Cretu · IEEE Journal of Photovoltaics · 2025年11月
太阳能无人机通过利用太阳能延长续航能力并降低维护成本，但飞行中结冰会显著影响其气动性能及光伏系统的运行可靠性。机翼结冰削弱机械性能，而光伏表面结冰则阻碍光照，导致输出参数下降，尤其是非均匀遮挡危害更大。本文提出一种新型建模方法，将非均匀结冰影响纳入辐照度计算，通过分析冰层对光伏方程的影响，将光伏工作曲线划分为结冰与正常两个区域，并采用先进计算智能方法确定参数。结合最小冗余最大相关性技术，利用训练的机器学习模型预测动态恶劣条件下光伏性能，实验验证了该方法的有效性与可靠性。
解读: 该研究针对极端结冰环境下光伏组件性能建模，对阳光电源高纬度及高海拔地区部署的SG系列光伏逆变器具有重要参考价值。非均匀结冰导致的局部遮挡与热斑效应，可直接应用于优化MPPT算法，提升极端工况下的功率跟踪精度。基于机器学习的动态性能预测方法，可集成至iSolarCloud智能运维平台，实现结冰风险预警...
基于机器学习与SCAPS-1D的RbGeBr3钙钛矿太阳能电池性能预测与验证
Machine learning and SCAPS-1D based prediction and validation of RbGeBr3 perovskite solar cell
Namrata A.Tukadiy · Zarna D.Ponkiy · Nikunj Joshi · Deepak Upadhyay 等5人 · Solar Energy · 2025年11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...
利用光伏参数和机器学习确定硅太阳能电池中的铁浓度
Determination the iron concentration in silicon solar cells using photovoltaic parameters and machine learning
Oleg Olikh · Oleksii Zavhorodni · Solar Energy · 2025年11月 · Vol.300
摘要 本研究提出了一种基于机器学习（ML）的创新方法，用于量化硅太阳能电池中的铁杂质。通过对80种模型进行综合分析，采用随机森林（RF）、梯度提升（GB）、极端梯度提升（XGB）、支持向量回归（SVR）和深度神经网络（DNN）等算法，根据FeB对解离引起的光伏参数变化来预测铁浓度。研究识别了训练数据集为最小化预测误差所需满足的条件，以及能够产生最准确预测的特征组合。此外，评估了使用主成分分析（PCA）进行数据预处理的有效性。结果表明，XGB和DNN模型优于其他模型，在合成数据上达到的均方误差（M...
解读: 该机器学习铁杂质检测技术对阳光电源SG系列光伏逆变器和iSolarCloud平台具有重要应用价值。通过XGB/DNN算法实时监测组件铁污染导致的效率衰减,可集成至MPPT优化算法中实现动态功率预测修正。建议将此方法嵌入智能运维系统,结合光伏参数变化特征实现组件质量分级与寿命预测,提升电站资产管理精度...
基于机器学习的两步算法预测变功率输入下质子交换膜水电解槽性能
Machine learning two-step algorithm for prediction of proton exchange membrane water electrolyzer cell performance under variable power inputs
Nikola Frani · Andrej Zvonimir Tomić · Frano Barbi · Ivan Piv · Energy Conversion and Management · 2025年11月 · Vol.343
摘要 可再生能源（如太阳能和风能）具有波动性，导致输入条件动态变化，难以通过传统的实验室方法进行复现和分析。本研究提出一种基于机器学习的方法，用于预测在动态功率输入条件下质子交换膜水电解槽（PEMWE）的性能，旨在降低实验复杂性，并加速控制系统开发及PEMWE技术的部署应用。本文开发了一种新颖的两步机器学习算法：首先采用前馈神经网络估计PEMWE的电流，然后利用长短期记忆网络架构预测氢气产量。模型训练与验证所用的实验数据来自八种不同功率曲线并在多种温度条件下采集获得。该算法在未见过的操作电压曲线...
解读: 该机器学习预测算法对阳光电源制氢储能系统具有重要应用价值。可集成至iSolarCloud平台,实现光伏-电解槽动态耦合优化:利用SG逆变器实时功率数据,通过神经网络预测PEM电解槽性能,指导ST储能系统功率调度策略。该两步算法(电流估算+产氢预测)可优化GFM控制下的波动功率管理,减少实验成本,加速...
基于野外光谱辐射测量与可解释性机器学习的干旱区光伏电站地表反照率评估
Surface albedo evaluation in an arid-region photovoltaic power plant through field spectral radiometry and explainable machine learning
Xiaoqing Gaoa · Jiang Ying · Zhimin Yang · Yi Liu 等6人 · Solar Energy · 2025年10月 · Vol.299
摘要 随着对光伏（PV）发电引起的气候效应研究不断深入，数值模拟已成为不可或缺的研究手段。然而，现有的参数化方案仍存在局限性，尤其是在地表反照率的表征方面。为弥补这一不足，本研究基于2020年4月至8月在新疆五家渠一处PV-戈壁复合下垫面获取的观测数据，分析了光谱辐射特征及地表反照率的变化规律。结果表明，入射太阳辐射在光谱上呈现近红外（NIR）>可见光（VIS）>紫外（UV）的层级结构，其对总短波辐射的贡献率分别为57.4%、38.4%和4.1%。各光谱波段均表现出受天气过程驱动的同步波动特征。...
解读: 该研究通过光谱辐射观测和机器学习建立的地表反照率参数化模型,对阳光电源SG系列光伏逆变器的MPPT优化算法具有重要参考价值。研究揭示的太阳高度角、相对湿度、组件温度三因素耦合机制,可用于优化iSolarCloud平台的发电功率预测模型,提升预测精度。特别是光伏-戈壁复合地表反照率特性(0.139)显...
基于静止卫星观测数据的机器学习短波辐射预报以优化太阳能光伏和聚光太阳能系统
Machine learning forecasts of short wave radiation from geostationary satellite measurements to optimize solar photovoltaic and concentrated solar power systems
Hongyu Wua · Chengxin Zhangb · Jingkai Xuea · Xinhan Niub 等7人 · Solar Energy · 2025年10月 · Vol.299
摘要 在全球能源转型与可持续发展的背景下，精确的短波辐射（SWR）预测对于提高太阳能光伏发电（PV）和聚光太阳能发电（CSP）系统的效率与经济可行性日益重要。本研究提出了一种创新的机器学习短波辐射预测模型，利用静止卫星的多波段太阳短波辐射测量数据，实现未来一小时内的短波辐射预报。该模型基于一种云量加权的混合模型，结合了卷积长短期记忆网络（ConvLSTM）与傅里叶神经算子（FNO）模型。在测试过程中，优化后的混合模型表现优于ERA5再分析数据，预测误差降低了24.14%，平均绝对误差降低了38....
解读: 该卫星遥感+机器学习的短波辐射预测技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。通过ConvLSTM-FNO混合模型实现小时级精准预测,可优化MPPT算法实时响应辐照变化,提升发电效率6.4%。结合iSolarCloud平台可实现光储协同调度:光伏侧提前调整并网策略,储能侧优化充放...
基于第一性原理与机器学习方法研究双钙钛矿Li2CuBiX6
X = Br, I）的光学与电子性质及其在光伏中的应用
Taoufik Chargui · Ramzi El Idrissi · Abdelkabir Bacha · Fatima Lmaia · Solar Energy · 2025年10月 · Vol.299
摘要：开发高效且稳定的无铅材料对于推动下一代光伏技术的发展至关重要。在本研究中，我们结合第一性原理计算与机器学习技术，对Li2CuBiX6（X = Br, I）双钙钛矿作为有前景的光吸收材料进行了系统研究。密度泛函理论（DFT）结果表明，该材料具有适合太阳能转换的间接带隙，其中溴化物体系（Br）为1.7 eV，碘化物体系（I）为1.3 eV。关键光学性质，包括吸收系数、反射率、折射率和介电函数，均证实其具备优异的光捕获能力。采用SCAPS-1D模拟构建了FTO/ETL/Li2CuBiX6/HTL...
解读: 该无铅双钙钛矿材料研究对阳光电源光伏逆变器产品线具有前瞻价值。Li2CuBiX6材料展现的27-31%理论转换效率及宽光谱吸收特性,可为SG系列逆变器的MPPT算法优化提供新材料参数基础。研究中机器学习预测模型(XGBoost R²=99.87%)与DFT计算结合的方法,可借鉴应用于iSolarCl...
物理引导的机器学习利用稀疏、异构的公开数据预测全球太阳能电站性能
Physics-guided machine learning predicts the planet-scale performance of solar farms with sparse, heterogeneous, public data
Jabir Bin Jahangi · Muhammad Ashraful Alam · Applied Energy · 2025年10月 · Vol.396
摘要 光伏（PV）技术格局正在迅速演变。为了预测新兴光伏技术的潜力和可扩展性，必须对这些系统在全球范围内的性能有全面的理解。传统上，大型国家级研究机构的实验和计算研究主要关注特定区域气候条件下的光伏性能。然而，将这些区域性研究结果综合起来以理解其全球性能潜力已被证明十分困难。鉴于获取实验数据的成本高昂，在政治分裂的世界中协调各国国家实验室开展实验存在挑战，以及大型商业运营商的数据隐私顾虑，人们迫切需要一种根本不同且数据效率更高的方法。本文提出了一种面向光伏的物理引导机器学习（PGML）方法，证明...
解读: 该物理引导机器学习方法对阳光电源全球化布局具有重要价值。通过PVZones气候分区和稀疏数据预测全球光伏性能,可优化SG系列逆变器的区域适配策略和MPPT算法参数。结合iSolarCloud平台,该技术能以少量站点数据预测不同气候区的发电潜力,指导ST储能系统容量配置,降低新市场前期勘测成本。数据高...
基于数值模拟与机器学习建模优化住宅用质子交换膜燃料电池微型热电联产系统中的氢气储存
Optimization of hydrogen gas storage in PEM fuel cell mCHP system for residential applications using numerical and machine learning modeling
Taoufiq Kaoutar · Hasna Louahli · Pierre Schaetze · Energy Conversion and Management · 2025年10月 · Vol.341
摘要 本研究探讨了基于氢能源系统的集成与优化，重点在于将金属氢化物（MH）储氢与质子交换膜燃料电池微型热电联产（PEMFC MCHP）系统相结合，应用于住宅领域。该MH储氢系统与热泵耦合运行，充放电压力为10 bar。采用COMSOL 6.1版本软件，利用固体与流体传热模块及Brinkman方程模块建立模型，并通过实验数据进行验证，同时应用机器学习方法（前馈神经网络）对MH动态过程进行预测性建模。研究发现，较小的500 NL储氢罐具有较高的质量比热需求，但氢气动力学性能更优，可在一小时内达到约7...
解读: 该氢储能-燃料电池mCHP系统研究对阳光电源储能及户用产品线具有重要参考价值。金属氢化物储能的热管理优化思路可借鉴至ST系列储能变流器的温控策略;研究中采用的机器学习预测建模方法与iSolarCloud平台的预测性维护技术高度契合,可用于优化户用光伏-储能系统的充放电策略;燃料电池mCHP的冷热电联...
基于残差评估与机器学习的逆变器开路故障诊断方法
Inverter Open Circuit Fault Diagnosis Method Based on Residual Evaluation and Machine Learning
Tianyu Sun · Chaobo Chen · Jiawei Dai · Binbin Zhang 等5人 · IET Power Electronics · 2025年9月 · Vol.18
以三相两电平电压源逆变器（3P-2L-VSI）为研究对象，提出一种融合残差评估技术与机器学习框架的混合驱动故障诊断方法。该方法通过构建残差生成机制实现故障初步检测，并结合机器学习算法对残差特征进行分类识别，有效提升故障诊断的准确性与鲁棒性。实验结果表明，该方法可实现对不同负载条件及噪声干扰下的开路故障快速、准确识别。
解读: 该混合驱动故障诊断方法对阳光电源多条产品线具有重要应用价值。在ST系列储能变流器中，可集成该残差评估与机器学习框架实现IGBT/SiC功率器件开路故障的快速定位，提升系统可靠性；在SG系列光伏逆变器中，该方法可适应不同光照条件下的负载波动，增强故障诊断鲁棒性；在电动汽车OBC及电机驱动系统中，可实现...
用于光伏系统中自动缺陷检测的机器学习方法
Machine learning approaches for automatic defect detection in photovoltaic systems
Swayam Rajat Mohanty · Moin Uddin Maruf · Vaibhav Singh · Zeeshan Ahmad · Solar Energy · 2025年9月 · Vol.298
摘要 太阳能光伏（PV）组件在制造、安装和运行过程中容易受到损坏，从而降低其光电转换效率。这种效率损失削弱了其在整个生命周期中的积极环境影响。通过无人机拍摄的图像对光伏组件进行运行期间的持续监测，对于及时修复或更换有缺陷的面板以维持高效率至关重要。结合计算机视觉技术，该方法为光伏电站中的缺陷监测提供了一种自动、非破坏性且成本效益高的工具。本文综述了当前基于深度学习的计算机视觉技术在太阳能组件缺陷检测中的应用现状。我们从多个层面比较和评估了现有的深度学习方法，包括图像类型、数据采集与处理方法、所采...
解读: 该机器学习缺陷检测技术对阳光电源智能运维体系具有重要价值。可集成至iSolarCloud平台,结合无人机巡检与深度学习算法,实现光伏电站组件缺陷的自动识别与预测性维护。技术可应用于SG系列逆变器的MPPT优化策略调整,通过识别组件热斑、隐裂等缺陷,动态优化发电效率。建议将物理约束神经网络与气象数据融...
基于机器学习驱动的多目标方法优化CPV系统针翅片散热器设计
Optimisation of pin-fin heat sink design for CPV systems using machine learning-driven multi-objective approaches
Javad Mohammadpour · Danah Ruth Cahanap · Danish Ansari · Christophe Duwig 等5人 · Energy Conversion and Management · 2025年9月 · Vol.340
摘要：聚光光伏（CPV）系统因其高效率和紧凑的设计，能够支持绿色氢气生产，并有助于实现联合国可持续发展目标7（经济适用的清洁能源）。然而，若热管理不当，其性能和使用寿命会受到显著影响。为应对这一挑战，本研究提出了一种数据驱动的框架，可在提升CPV系统热性能优化效果的同时，降低对计算密集型仿真的依赖。本文评估了一种新型变高度针翅片散热器，旨在最小化最高温升、温度不均匀性以及压降。研究评估了五种基于树结构的机器学习（ML）模型，包括决策树、随机森林、梯度提升、XGBoost和CatBoost，其中C...
解读: 该CPV热管理优化技术对阳光电源高功率密度产品具有重要借鉴价值。研究中采用的机器学习驱动多目标优化方法可应用于ST系列储能变流器和SG系列大功率逆变器的散热设计优化,通过CatBoost等算法替代传统CFD仿真,显著降低热设计迭代成本。变高度翅片散热器设计理念可用于PowerTitan储能系统功率模...
超级电容器研究中的能量存储：从分子模拟到机器学习的跨学科应用
Energy storage in supercapacitor researches: Interdisciplinary applications from molecular simulations to machine learning
Yawen Dong1 · Yutong Liu1 · Feifei Mao · Hua Wu · Applied Energy · 2025年9月 · Vol.393
摘要 科学界持续关注超级电容器（SCs），因其在环境保护和能量存储方面具有重要意义。超级电容器的性能取决于比容量、循环稳定性、功率密度和能量密度等关键特性，其中电极材料的性能、电极与电解质之间的相互作用以及电极表面或层间的电荷转移过程，对超级电容器整体性能具有显著影响。在超级电容器的研究领域中，计算模拟的应用至关重要，因其具备强大的模拟计算与预测能力。本文综述了近年来利用密度泛函理论（DFT）和机器学习（ML）技术设计与优化超级电容器的最新进展。我们总结了DFT在理解电极材料的电子结构、电荷存储...
解读: 该超级电容器研究整合DFT、分子动力学与机器学习的方法论,对阳光电源储能系统具有重要价值。在ST系列PCS和PowerTitan产品中,可借鉴ML技术优化电极材料设计,提升功率密度和循环寿命;将SOH预测算法应用于iSolarCloud平台,实现储能设备健康状态智能监测;结合SiC器件特性,通过计算...
揭示有机光伏中的结构-性能关系：可解释的机器学习模型预测功率转换效率
Uncovering Structure–Performance Relationships in Organic Photovoltaics: Interpretable Machine Learning Model for Predicting the Power Conversion Efficiency
Yi Yang · Arowa Yasmeen · Ovidiu Daescu · IEEE Journal of Photovoltaics · 2025年8月
有机光伏（OPV）是一种颇具前景的光伏技术，但传统上候选分子的设计采用试错法，效率低下。然而，机器学习通过从大量的有机光伏材料数据集中学习，提供了一种基于数据的策略，有助于加速高性能有机光伏材料的发现和优化。在本研究中，我们使用极端梯度提升（XGBoost）模型，利用从哈佛光伏数据集（HOPV15）中提取的结构特征，来预测通过密度泛函理论计算得到的有机光伏供体材料的功率转换效率（PCE）。为了提高预测性能，我们基于随机森林和XGBoost的平均特征重要性得分，选择了最具信息价值的分子指纹。我们的...
解读: 该可解释机器学习模型对阳光电源光伏产品线具有重要参考价值。虽然研究聚焦有机光伏材料设计，但其核心方法论——通过机器学习建立结构-性能映射关系——可迁移至SG系列逆变器的功率器件选型优化。具体而言，可借鉴该模型框架建立GaN/SiC器件的结构参数（掺杂浓度、栅极结构等）与性能指标（导通损耗、开关速度）...
基于机器学习与计算流体动力学的核电厂热能储存集成动态评估与优化
Dynamic Assessment and Optimization of Thermal Energy Storage Integration with Nuclear Power Plants Using Machine Learning and Computational Fluid Dynamics
Muhammad Faizan · Imran Afgan · Applied Energy · 2025年8月 · Vol.391
摘要 本研究利用相变材料（PCM）将热能储存（TES）系统与核电厂（NPPs）进行集成，采用计算流体动力学（CFD）模拟与机器学习技术，以提升核电厂的整体效率与盈利能力。本研究的创新性不仅在于分析PCM热物理特性、设计参数及输入条件对系统性能的影响，更在于开发一种可有效集成于核电厂的TES系统，解决包括输入参数的动态评估以及响应实时需求波动时对可用过剩能量的利用等关键挑战。为开展分析，共执行了2500组CFD模拟，用于评估垂直环形通道内相变行为。系统地分析了诸如传热流体注入条件和多种PCM特性等...
解读: 该研究的CFD仿真与机器学习优化方法对阳光电源ST系列储能系统具有重要借鉴价值。核心启示包括:1)动态评估技术可应用于PowerTitan储能系统的实时需求响应优化,提升削峰填谷效率;2)多目标遗传算法(MOGA)可用于优化PCS充放电策略,平衡充电时长与能量密度;3)ANN预测模型可集成至iSol...
第 1 / 6 页