找到 16 条结果
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LSTM-XGBoost模型的光伏电站短期功率预测
Short-term power prediction of photovoltaic power station based on LSTM-XGBoost model
Chenyang Zhua · Yibo Tua · Qingya Weia · Yue Zanga 等11人 · Solar Energy · 2025年11月 · Vol.300
摘要 目前，由于太阳能本身具有变异性与不确定性，受天气条件、一天中的时间以及季节变化等因素影响，光伏发电功率的精确预测仍是一个重大挑战。传统的预测模型往往难以捕捉数据中复杂的时序依赖关系和非线性关系，导致预测精度不理想。为应对这些挑战，本文提出一种新颖的混合方法，结合深度学习与集成学习的优势。采用长短期记忆网络（LSTM）提取时间序列数据中的动态特征，通过捕获短期和长期依赖关系，提供对时序信息的稳健表征。极端梯度提升算法（XGBoost）则利用其强大的非线性建模能力和特征选择技术进一步优化预测结...
解读: 该LSTM-XGBoost混合预测模型对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过捕捉光伏发电的时序依赖性和非线性特征,可显著提升ST系列PCS的功率预测精度,优化PowerTitan储能系统的充放电策略。模型的SHAP可解释性分析有助于增强预测性维护能力,提升SG系...
面向微电网安全的边缘可部署机器学习代理：实时战术与技术归因
Edge-Deployable ML Agent for Real-Time Tactic and Technique Attribution in Microgrid Security
Suresh Mogilicharla · Manoj Tripathy · Mital Kanabar · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对微电网面临的高级持续性威胁（APT），本文提出一种基于XGBoost的轻量级ML代理，可实时解析IDS告警并依据MITRE ATT&CK框架归因攻击战术与技术。该代理支持IDMEF格式输入，在树莓派上实现15ms低延迟推理，CPU/内存占用极低，并通过Grafana可视化提升本地态势感知能力。
解读: 该研究对阳光电源PowerTitan、ST系列PCS及iSolarCloud平台的智能安全运维具有直接价值：可在储能变流器边缘侧嵌入轻量攻击归因模块，增强微电网异常行为的战术级识别能力；建议将XGBoost模型集成至iSolarCloud边缘节点或PCS固件中，支撑光储系统在离网/弱网场景下的自主威...
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...
机器学习预测三重管相变材料蓄热系统熔化响应时间的潜力
The potential of machine learning to predict melting response time of phase change materials in triplex-tube latent thermal energy storage systems
Peiliang Yan · Chuang Wen · Hongbing Ding · Xuehui Wang 等5人 · Applied Energy · 2025年7月 · Vol.390
准确预测熔化响应时间对于优化热能储存系统至关重要，这类系统在解决建筑环境中热能供需之间的时间不匹配问题中发挥着关键作用。本研究旨在定量预测一种新型三重管热能储存系统的熔化响应时间，该系统结合了相变材料和Y形翅片以增强传热性能。基于焓-孔隙度方法建立了数值模型来模拟熔化过程，在不同的设计和运行条件下共生成60个案例的数据集，其熔化响应时间范围为15至45分钟。研究的关键参数包括翅片角度（10°–30°）、翅片宽度（5–15 mm）以及传热流体温度（60 °C–80 °C）。在模型构建之前，验证了变...
解读: 该相变储能系统的机器学习优化技术对阳光电源ST系列储能变流器和PowerTitan液冷储能系统具有重要借鉴价值。研究中XGBoost算法对热响应时间的92%预测精度,可应用于我司液冷储能系统的热管理优化,特别是三电平拓扑功率器件的散热预测。传热流体温度和翅片宽度作为主导因素的发现,可指导PowerT...
基于机器学习的高压输电线路电晕损耗预测
Forecasting Corona Losses on High Voltage Transmission Lines Using Machine Learning
Pradeep Kumar Gupta · Kaur Tuttelberg · Jako Kilter · IEEE Transactions on Power Delivery · 2025年7月
本文研究了机器学习在高压架空输电线路电晕损耗预测中的应用。由于气象条件与电晕损耗之间关系高度复杂，准确预测具有挑战性。模型构建采用了沿线多个气象站两年的气象数据及线路两端的PMU测量数据，结合XGBoost和集成随机森林（ERF）回归算法，考虑多变量气象输入。研究设计了四种预测场景：不同时间步长预测、季节性预测、多线路联合预测以及特征缩减对预测精度的影响。最优模型在98%的数据点上误差控制在±0.5 kW/km以内，均方根误差为0.16 kW/km。精确预测有助于提升系统可靠性并降低运行成本。
解读: 该电晕损耗预测技术对阳光电源PowerTitan大型储能系统和iSolarCloud智能运维平台具有重要应用价值。在高压并网场景中，储能系统需精确评估输电线路损耗以优化充放电策略和能量管理。研究中的XGBoost多变量气象预测模型（RMSE 0.16 kW/km）可集成至ST系列储能变流器的EMS能...
实时市场中便携式储能运行的预测-处方框架
A Predictive-Prescriptive Framework for Portable Energy Storage Operation in Real-Time Market
Xinjiang Chen · Xiupeng Chen · Feng Gao · IEEE Transactions on Industry Applications · 2024年5月
便携式储能系统（PESS）是一种具有灵活部署方案的、前景广阔的储能商业模式。它有潜力塑造一个低碳且可持续的能源与交通系统。然而，在能量套利应用中，已证明使用由已知日前市场价格确定的PESS方案参与实时市场会导致显著的收益偏差。为解决上述问题，我们开发了一个用于PESS在实时市场运行的预测 - 规定性框架，该框架结合了实时市场价格预测和PESS的库存路径规划。对于实时市场价格预测，我们提出了一种基于NuralProphet和极端梯度提升（XGBoost）的误差校正混合预测模型。关于PESS的库存路...
解读: 从阳光电源储能系统业务视角来看，该论文提出的便携式储能系统（PESS）预测-决策框架具有重要的战略参考价值。这一技术方案针对移动储能在实时电力市场中的套利优化问题，通过融合NeuralProphet和XGBoost的混合预测模型，将收益偏差降至4.4%，显著提升了储能资产的经济性评估精度。 对于阳...
基于多群体多目标灰狼优化器的电动汽车热管理系统多目标优化
Many-objective optimization for thermal management system of electric vehicle based on many-population many-objective grey wolf optimizer
Jianqin Fuac · Hao Lia · Guanjie Zhang · Yaorui Shena 等6人 · Energy Conversion and Management · 2025年11月 · Vol.344
摘要 优化热管理系统的设计参数对于提升电动汽车的整体能效和动态性能至关重要。本研究构建了一个包含详细热管理系统的高保真车辆仿真模型，并采用正交实验设计方法系统性地探索设计空间。在此基础上，利用极端梯度提升算法（extreme gradient boosting）建立了高精度的代理模型，并提出了一种多群体多目标灰狼优化器以应对复杂多维的帕累托前沿求解问题。结果表明，极端梯度提升模型在所有优化目标上的平均预测误差均低于3%，表现出较强的泛化能力。与传统基准算法相比，所提出的多群体多目标灰狼优化器展现...
解读: 该多目标优化技术对阳光电源电动汽车解决方案具有重要价值。研究中的热管理系统优化方法可直接应用于OBC车载充电机和电机驱动系统的热设计,通过XGBoost代理模型和灰狼优化算法实现能效提升27%以上。该技术框架可迁移至充电桩功率模块散热优化,结合阳光电源SiC器件特性,优化冷却系统参数配置。同时,多目...
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...
基于红外热成像图像和轻量级深度CNN的光伏组件故障诊断端到端原型
An End-to-End Prototype for Fault Diagnosis of Solar Photovoltaic Modules Using Infrared Thermographic Images and Lightweight Deep CNNs
A. Mellit · C. Moussaoui · S. Pastore · A. Massi Pavan · IEEE Transactions on Industry Applications · 2025年7月
随着太阳能在各领域的广泛应用，为确保太阳能光伏（PV）装置的安全性和效率，已开发出有效且可靠的故障检测与诊断技术。近年来，利用红外热成像（IRT）图像对光伏电站进行故障诊断受到了研究人员的广泛关注。基于IRT图像设计一个有效且经济实惠的端到端原型，以协助光伏电站的操作人员和维护团队进行故障诊断，这极为必要，也是光伏界关注的关键问题。在本研究中，首先，我们将基于轻量级深度卷积神经网络（DCNN）的模型与五种混合模型进行比较，利用采集到的IRT图像对光伏组件的缺陷严重程度进行分类。结果表明，DCNN...
解读: 从阳光电源的业务视角来看，这项基于红外热成像和轻量级深度学习的光伏故障诊断技术具有显著的战略价值。作为全球领先的光伏逆变器和储能系统供应商，阳光电源不仅提供硬件设备，更致力于构建全生命周期的智能运维解决方案，而该技术正好契合这一战略方向。 该研究的核心价值在于实现了从实验室到工业应用的关键跨越。通...
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...
基于PCA和堆叠自编码器的混合机器学习框架用于智能电网数据注入攻击检测
Hybrid ML Framework for Data Injection Attack Detection Using PCA and Stacked Autoencoders
Shahid Tufail · Hasan Iqbal · Mohd Tariq · Arif I. Sarwat · IEEE Access · 2025年2月
随着智能电网日益互联，网络攻击特别是数据注入攻击变得更加普遍。此外，模型训练需要准确无偏的高质量数据。我们从现实世界收集的大多数数据稀疏、不完整、不一致和倾斜。为解决这些问题，本研究提出检测此类攻击的框架。使用堆叠自编码器架构生成少数类数据的合成实例。生成的类别解决数据不平衡以增强模型泛化能力并应对多样化攻击场景。评估各种机器学习算法，随机森林RF模型始终达到卓越准确率，范围从99.32%到95.89%。特别是，逻辑回归LR等传统算法对降维表现出敏感性，当主成分从全部降至10时经历16.96%准...
解读: 该数据注入攻击检测技术对阳光电源智能电网安全至关重要。阳光iSolarCloud平台和ST储能系统接入电网SCADA系统，面临虚假数据注入攻击威胁。该研究的堆叠自编码器和随机森林混合方法可集成到阳光网络安全防护体系，检测异常数据和攻击行为。在电网侧储能场景下，数据注入攻击可能导致储能系统误动作，影响...
利用SHAP值理解传统与非传统建筑群中乡村形态与光伏发电潜力之间的关系
Understanding the relationship between rural morphology and photovoltaic (PV) potential in traditional and non-traditional building clusters using shapley additive exPlanations (SHAP) values
Jiang Liu · Changhai Peng · Junxue Zhang · Applied Energy · 2025年2月 · Vol.380
摘要 农村地区拥有大量适合安装光伏板的屋顶和立面。然而，乡村形态对光伏发电潜力的影响尚不明确，制约了其有效利用。为应对这一挑战，本研究选取南京市300个传统与非传统农村建筑群作为研究对象，识别出17项形态学指标，涵盖地块形状、建筑密度、建筑形式及地形变化等方面。通过模拟各集群的年光伏发电量和均化度电成本（LCOE），并采用可解释的机器学习框架（XGBoost算法结合SHAP值），探讨了乡村建筑形态与光伏发电潜力之间的关系。结果表明，平均建筑高度（BH）和容积率（FAR）是影响发电量的关键因素，而...
解读: 该研究揭示农村建筑形态对光伏潜力的影响机制,对阳光电源SG系列逆变器在农村分布式光伏市场具有重要指导价值。研究发现建筑高度和容积率是关键因素,可优化我司MPPT算法在复杂遮挡场景下的追踪策略。针对三类技术潜力分区(低高低FAR、高低FAR、高高FAR),可差异化配置1500V系统方案,结合iSola...
基于机器学习和可解释人工智能的分布式智能电网可解释预测
Interpretable Prediction of a Decentralized Smart Grid Based on Machine Learning and Explainable Artificial Intelligence
Ahmet Cifci · IEEE Access · 2025年2月
分布式智能电网概念已成为高效管理和分配电能的可行方法。确保电网稳定性和可靠性，特别是在可再生能源集成和产消者数量增加的情况下，是该领域的主要挑战。本研究通过利用机器学习ML模型和可解释人工智能XAI技术预测分布式智能电网稳定性来应对该挑战。研究实施分布式智能电网控制DSGC概念的四节点星型网络，使用基于该网络仿真的数据集。对比十种ML模型包括AdaBoost、ANN、GBoost、k-NN、LR、NB、RF、SGD、SVM和XGBoost在预测电网稳定性方面的性能。采用XAI方法特别是SHAP和...
解读: 该智能电网稳定性预测技术对阳光电源虚拟电厂和智能电网解决方案有重要应用价值。阳光iSolarCloud平台管理分布式光伏储能资源，需要准确的电网稳定性预测。机器学习模型可集成到阳光平台的智能调度系统中，提前识别潜在稳定性风险。可解释AI技术SHAP可增强阳光智能决策系统的透明度和可信度。产消者管理是...
一种面向模块化储热系统设计的高效机器学习方法
Computationally effective machine learning approach for modular thermal energy storage design
Davinder Singh · Tanguy Rugamb · Harsh Katar · Kuljeet Singh Grewal · Applied Energy · 2025年1月 · Vol.377
摘要 本研究提出了一种创新性方法，将计算流体动力学（CFD）与机器学习（ML）相结合，用于热能储存（TES）系统的设计与优化。基于使用CFD开展的放热过程参数化分析结果，训练了多种机器学习模型，包括线性回归、K近邻回归（KNN回归）、梯度提升回归（GBR）、XGBoost、LightGBM以及神经网络（NN）。结果表明，神经网络（NN）在预测混凝土和传热流体（HTF）温度随时间变化方面表现最优，是最适合的模型。训练后的机器学习模型为传统的CFD模拟提供了高效的替代方案，能够在不同入口条件、流速和...
解读: 该CFD与机器学习融合技术对阳光电源储能系统具有重要价值。可应用于PowerTitan液冷储能热管理优化,通过神经网络模型替代传统CFD仿真,计算效率提升99%以上。适用于ST系列PCS多模块级联散热设计,快速预测电池簇温度分布。该方法可集成至iSolarCloud平台,实现储能电站热失控预测性维护...
多能系统中协调能源管理的技术经济评估：地下储能与基于人工智能的海上调度的成本有效集成
Techno-economic assessment of coordinated energy management in multi-vector systems: Cost-effective integration of underground storage and AI-Based maritime scheduling
Ali Taghav · Taher Nikna · Mohsen Gitizade · Sattar Shojaeiya · Energy Conversion and Management · 2025年12月 · Vol.346
摘要 集成能源系统（IES）在提升能源灵活性和实现脱碳方面具有巨大潜力。然而，当前的实施通常存在孤岛式运行和跨部门协调不足的问题。特别是传统的地下氢储能（UHS）系统通常独立运行，降低了其在互联能源网络中的有效性，尤其是在地质储层与海运基础设施可协同利用的沿海地区。为克服这些局限性，本研究提出了一种以氢为核心的集成能源系统框架，该框架融合了多能向量建模、混合型UHS配置以及基于人工智能的海上协调策略。这些创新提升了系统的动态运行能力、能量转换效率及整体灵活性，尤其适用于地质储能与港口基础设施交汇...
解读: 该多能源协同框架对阳光电源储能系统具有重要启示。研究中的氢储能与电网协调优化策略可应用于ST系列PCS与PowerTitan储能系统的多场景调度。AI驱动的能源管理方法可集成至iSolarCloud平台,实现光伏-储能-充电站的跨场景协同优化。特别是港口移动储能资产调度思路,可拓展至电动船舶充电站与...