基于热历史感知XGBoost模型的屋顶光伏模块温度估计研究
《Buildings》:Dynamic Estimation of Representative Backsheet Temperature for Rooftop Photovoltaic Modules Under Extreme Heat: Thermal Inertia, Temporal Resolution, and Machine Learning
【字体:
大
中
小
】
时间:2026年09月26日
来源:Buildings 3.4
摘要
精确的模块温度估计对于屋顶光伏(PV)系统的评估至关重要,但分钟级气象波动和热记忆效应使稳态模型面临挑战。本研究采用了中国重庆某屋顶光伏平台2025年8月的44,638条同步一分钟记录。代表性背板温度取五个同时有效传感器的算术平均值。对物理模型、静态XGBoost模型和热历史感知型XGBoost模型进行了比较。对四个气象变量在5、10和20分钟时间窗口内,统一构建了滞后值、严格先验滚动均值和增量。通过三个扩展时间验证折及a一个标准误差简约规则,筛选出八个特征:四个当前变量及其严格先验的10分钟均值。在回溯性27–31日留出期比较中,动态模型的MAE略高于静态模型的MAE (1.088对1.081 °C)。 RMSE从1.757降至1.437 °C,P95AE从3.907降至3.049 °C。在五日记录内,配对日级自助法区间对所观察到的尾部误差降低的支持比RMSE差异更为明确。在严重环境高温期间,MAE降低约40%;在辐照度快速下降期间降低约45%;但在夜间有所增加。日峰值平均被低估2.574 °C;绝对峰值时间误差均值为26.8分钟,中位数为1分钟。研究结果支持针对受测点平均值估计使用站点特定的热历史特征,而非通用热时间尺度或未校准的安全相关峰值阈值。对比较日期的预先检查、有限的时间覆盖以及缺乏外部验证限制了结果的可迁移性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号