.png){kind=icon}
返回
PV System Performance Analysis and Forecasting Using Deep Learning and Statistical Methods
.png){kind=icon}
OA
AI
DOI：10.3390/en19071739.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究调查了三种硅基光伏技术——多晶硅（pc-Si）、单晶硅（mc-Si）和非晶硅（a-Si）——在半干旱气候下的长期性能衰减及预测，使用了2015–2021年的七年数据集。通过季节-趋势分解和Arrhenius分析量化衰减率，揭示了不同的机制：pc-Si表现出最低的年度衰减（0.36%/年），其次是a-Si（0.57%/年），而mc-Si的衰减最高（0.77%/年），其中a-Si存在显著的热退火效应部分补偿了衰减。在预测性能比方面，比较了四种模型，其中长短期记忆网络通过捕捉非线性时间依赖性实现了最高精度，而SARIMA则以较低复杂度提供稳健且可解释的结果。除预测性能外，本研究建立了模型行为与基础物理过程（如衰减和退火）之间的联系，并分析了与温度变化和积尘相关的预测不确定性。这些发现突出了准确性、可解释性和部署可行性之间的权衡，为半干旱条件下的单变量光伏性能预测提供了框架，未来工作将致力于多元、物理感知方法，涵盖更广泛的技术和气候条件。
Keyword:
performance ratio
Facebook prophet
SARIMA
MLP
LSTM
silicon PV technology
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.2
论文数:
1.5W
被引数:
14.2W
机构
引用论文
Short-term PV power forecasting based on time series expansion and high-order fuzzy cognitive maps
PREAI
分享收藏Performance analysis of a grid connected photovoltaic system in northeastern Brazil巴西东北部光伏并网发电系统的性能分析
PREAI
分享收藏Strategic renewable energy forecasting and monthly disaggregation in data-scarce regions: a cross-continental SARIMA-based framework for policy planning战略可再生能源预测与月度分解在数据稀缺地区：一个用于政策规划的跨大陆SARIMA框架
PREAI
分享收藏Life cycle assessment and energy pay-back time of advanced photovoltaic modules: CdTe and CIS compared to poly-Si先进光伏组件的生命周期评估和能源回报时间: CdTe和CIS与多晶硅的比较.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏Modelling and experimental investigations of microcracks in crystalline silicon photovoltaics: A reviewRENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏Machine learning assisted prediction for hydrogen production of advanced photovoltaic technologiesDeCarbonOAAI
DeCarbonIF0
OAAI分享收藏Hourly day-ahead solar irradiance prediction using weather forecasts by LSTM使用LSTM天气预报的每小时太阳辐照度预测ENERGY
ENERGYIF9.4
PREAI
分享收藏
查看更多内容