首页期刊导航|太阳能学报
期刊信息/Journal information
太阳能学报
太阳能学报

殷志强

月刊

0254-0096

tynxbb@public.sti.ac.cn

010-62001037

100191

北京市海淀区花园路3号

太阳能学报/Journal Acta Energiae Solaris SinicaCSCD北大核心CSTPCDEI
查看更多>>本学报是我国新能源领域的国家级学术刊物，由中国科协主管，中国太阳能学会主办，北京市太阳能研究所承办，自1980年创刊以来，为我国新能源领域的学术交流、人才培养及促进科研成果产业化等方面做出了贡献。主要报道我国太阳能、生物质能、风能、氢能、海洋能及地热能科学技术研究成果。登载学术论文、研究报告、实验仪器和实验技术、技术札记、简报及综述性论文。《太阳能学报》编辑严谨，被《EI》收录比例高。
正式出版
收录年代

    基于卫星图像的城区屋面分布式光伏潜力评估

    彭曙蓉何洁妮刘韬文李彬...
    517-526页
    查看更多>>摘要：结合市辖区层面光伏发展情况以及城市中不同用地的特点,利用卫星图片识别长沙市各地区适合装设分布式光伏的建筑区域.基于太阳高度角和方位角,通过山体阴影分析屋顶上的建筑阴影,计算地区屋面光伏可承载容量.对市场侧、制造商及电网部门的分布式光伏规划进行研究.通过识别结果可为光伏建设方及电网提供明确地域列表及可用面积,以及可实现基于实际建设项目的可新增光分布式光伏装机容量的预测,以期为分布式光伏电站用地不足问题提供新的解决思路.

    可再生能源分布式发电深度学习语义分割卫星图像

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    光伏组件热斑效应智能化检测的综述及展望

    王道累姚从荣李超王卫军...
    527-536页
    查看更多>>摘要：针对目前光伏组件热斑检测方式较为众多繁杂的问题,总结并系统剖析现存的国内外各种光伏组件传统及智能化的热斑检测方式,将深度学习算法运用于此的最新进展,并着重研究多位研究者对于将各种神经网络、注意力机制以及目标检测模型运用于热斑红外图像的检测上,如多尺度卷积神经网络、基于SpotFPN多尺度特征学习模块等.之后针对光伏组件热斑检测的智能化诊断技术进行实验对比,最后对当前问题展开探讨以及对未来该技术进展的展望.

    光伏组件太阳能发电红外图像深度学习热斑智能化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于小波包变换与深度学习的超短期光伏功率预测

    刘源延孔小兵马乐乐刘向杰...
    537-546页
    查看更多>>摘要：针对光伏功率序列的复杂多变特征,提出一种基于小波包变换(WPT)的门控循环单元(GRU)光伏功率组合预测方法.首先通过相关性分析挑选重要气象因子,并利用WPT将原始光伏功率序列分解为一组子序列;然后,提出一种基于莱维飞行天牛须搜索算法(LFBAS)的相似日选择方法,以选择相似于预测日的历史日作为输入数据集;最后,建立一组基于GRU网络的深度学习光伏功率预测模型,将每个子序列预测结果叠加得到光伏功率最终预测结果.仿真结果表明,该文所提出的预测方法在预测精度和计算效率方面具有显著优势.

    光伏发电功率预测小波包变换相似日门控循环单元天牛须搜索算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于特征选择和XGBoost算法考虑极端天文、气象事件影响的光伏性能预测方法

    王瑶吴云来俞铁铭胡华友...
    547-555页
    查看更多>>摘要：以Pearson's r特征选择方法进行参数相关性判断后,构建分析决策树指数模型,提高水平面总辐射的预测精度,通过气象参数的主成分提取,实现训练集降维.采用XGBoost算法构建预测模型,加入正则项控制模型的复杂度,降低过拟合率,提高模型对未知数据的适应能力.通过泰勒展开将损失函数的选取和算法优化过程去耦合,实现极端天文、气象条件下光伏电站性能的预测和模型评估.预测结果与实测值对比表明,所提预测法能自动学习缺失值的处理策略,支持多种类型的基分类器,有广泛的优化空间.在针对光伏功率Pw、系统效率PR、产能利用率CF的预测平均绝对百分比误差在15%以内,显示出良好的预测准确度和稳定性.

    特征选择主成分分析机器学习光伏发电组合预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进粒子群区间二型模糊神经网络的MPPT控制研究

    李凯姜新正
    556-564页
    查看更多>>摘要：针对太阳能发电单元最大功率点控制(MPPT)在复杂工况条件下存在的振荡、跟踪耗时长、精度较低的问题,提出一种基于改进区间二型模糊神经网络的预测控制模型.首先将减法聚类与区间二型模糊均值聚类算法相结合,辨识模型前件模糊规则层结构,计算得到聚类中心;其次,基于自导式粒子群算法优化后件权重层权值参数,进而提升网络全局寻优能力;最后,通过与TS模糊神经网络模型、基于反向传播算法的区间二型模糊神经网络模型进行仿真对比,验证所提模型在不同工况下对最大功率点追踪的快速性与精确性.

    光伏发电最大功率点跟踪预测控制模糊神经网络模糊聚类粒子群算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于时间戳特征提取和CatBoost-LSTM模型的光伏短期发电功率预测

    徐恒山莫汝乔薛飞秦子健...
    565-575页
    查看更多>>摘要：为解决预测模型输入特征维度不足以及单一模型预测精度不高而导致的短期功率预测效果较差的问题,提出一种对时间戳进行特征提取(FE)的CatBoost和长短期记忆(LSTM)神经网络组合的光伏短期发电功率预测模型.首先,利用信息熵加权的方式对传统灰色关联分析进行改进,并采用改进方法对辐照度、温度、降雨量等气象特征与发电功率特征进行关联性分析,选择关键特征作为输入特征;然后,从时间戳和功率特征中提取年、月、日、时、分、秒、时间戳-功率等新时序特征;在此基础上,将关键气象特征与提取的新时序特征用于组合模型训练;最后,利用光伏电站的真实运行数据对所提方法和组合模型进行算例分析.结果表明:提取的新时序特征和组合模型均有助于提高预测精度,在非晴天工况下组合模型的预测误差较单一模型可降低12～23个百分点,且与其他组合模型相比具有更高的预测精度.

    光伏发电特征提取预测长短期记忆神经网络时间戳灰色关联分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于最大重叠离散小波变换和深度学习的光伏功率预测

    马乐乐孔小兵郭磊刘源延...
    576-583页
    查看更多>>摘要：针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型.利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的气象因素与分解得到的平稳子序列共同构成各个LSTM网络输入,通过汇总重构每个LSTM网络的子序列预测结果得到最终的光伏功率预测结果.从理论层面分析所建立的MODWT算法的完全重构性,并基于李雅普诺夫稳定性定理推导保证预测网络收敛的学习率范围.仿真对比结果显示,所提出的光伏功率预测模型在预测精度和鲁棒性方面具有明显优势.

    光伏功率预测长短期记忆网络非平稳时间序列分解预测网络收敛性

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    受热通道内超临界R134a流动阻力特性试验研究

    颜建国朱旭涛田浩轩郑书闽...
    584-592页
    查看更多>>摘要：以超临界R134a流体为工质,测试其在内径2mm圆管内,流体压强p=4.3～4.9 MPa,质量流速G=550～1650 kg/(m2·s),热流密度q=25～75 kW/m2(电加热模拟热源)工况条件下的流动阻力.根据摩擦压降曲线特征,将其划分为类液相区、类两相区和类气相区3个区域.分析压强、质量流速和热流密度等工况参数对3个区域内的摩擦压降和摩擦因子的影响规律.在类两相区,摩擦因子曲线存在一个明显的峰值特性.将试验数据与已有的摩擦因子关联式进行对比,并进行定量评价.结果显示,已有关联式的预测误差普遍偏大,尤其是在类两相区域.为此,提出一个同时包含密度、黏度和平均普朗特数修正的超临界流体摩擦因子关联式,与试验数据对比显示,97%预测数据均处于±20%的误差范围内.

    可再生能源超临界流体压降多相流摩擦因子超临界有机朗肯循环

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多因子的太阳辐照度预测方法研究进展

    兰昆吴战波赵泽妮贾凌云...
    593-601页
    查看更多>>摘要：针对太阳辐照度的不稳定性和间歇性出力问题,总结并分析太阳辐照度预测领域当前的研究现状.从预测方法、预测流程、输入参数、评价指标等方面出发,对近年来不同地区、不同时间尺度下的太阳辐照度的预测进行详细的对比和分析.研究发现,基于时间序列、机器学习及混合系统的预测方法是当前主流的太阳辐照度预测方法.

    太阳辐照度预测机器学习时间序列确定性预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于随机森林模型的太阳辐射中长期变化分析

    贾兴斌汪国菊王仁政宫响...
    602-610页
    查看更多>>摘要：该文基于多源辐射观测资料,采用随机森林(RF)算法、季节差分自回归移动平均(SARIMA)模型及特征重要性等方法,对山东省济南市太阳辐射长期变化趋势和影响因素进行综合分析.结果显示:RF模型拟合月太阳辐射效果较好,决定系数和平均绝对百分比误差分别为0.92和9%,优于SARIMA模型;济南市及周边地区月太阳辐射1980-2020年经历"变暗"到"变亮"的过程,空间呈现西北高东南低的特点;最高温度和日照时数是影响太阳辐射月变化拟合准确度的主要因素,降雨量是导致月太阳辐射总量突变的重要原因,大气污染物中SO2和O3与太阳辐射的相关性最大.

    太阳辐射随机森林特征选择SARIMA模型拟合分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据