- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
典型天气数据能否准确预测日光质量及日光响应控制系统的性能？
摘要： 尽管典型气象年（TMY）数据被广泛用于预测日光质量和日光响应控制系统的性能，但鲜有研究验证这些预测的准确性。本研究采用TMY数据和一分钟间隔的实际本地气象数据，对真实空间进行了日光模拟。前者用于预测日光质量、设计闭环日光响应调光控制系统、选择校准时段以及预测系统性能；后者则用于表征实际日光质量和系统表现。虽然实际天气条件能为该空间提供高出30%的日光水平（似乎暗示更大的节能潜力），但现有基于气候的日光建模（CBDM）方法均未体现这种差异。研究使用TMY数据设计了闭环调光控制系统，筛选了适合系统校准的天气条件，并通过将过调光发生率限制在占用时段的2%以内来预测系统节能效果。研究发现：若在校准时段的天气条件与TMY数据识别的条件相似时进行系统校准，其预测节能效果通常准确；而当校准在不适当的天气条件下进行时，系统节能效果较低且过调光现象更频繁。此外，在导致光传感器信号与工作面照度比值较高的天气条件下进行系统校准，可能有助于减少因实际天气波动较大引发的过调光情况。
关键词： 天气数据、节能、采光、日光响应控制系统
更新于2025-09-23 15:22:29
-
[2019年IEEE工业应用学会年会 - 美国马里兰州巴尔的摩（2019.9.29-2019.10.3）] 2019年IEEE工业应用学会年会 - 光伏系统故障检测所需的建模方法与数据集评估
摘要： 对光伏资产（PV）进行可靠监测对于确?？稍偕茉聪低车耐乒?、长期性能表现及投资回报最大化至关重要。为此，本文研究了在开展光伏系统知情维护时所需的输入数据和机器学习技术，以实现光伏发电的滞后一日预测。研究从英国四座商业建筑屋顶光伏系统中获取了五年的逐小时发电数据，并从MIDAS数据库调取了气象数据。通过训练支持向量机、随机森林和人工神经网络来预测光伏发电功率，其中随机森林模型表现最优，平均相对误差仅为2.7%。研究发现辐照度、历史发电量及太阳位置是最关键的影响变量。总体而言，本研究表明如何利用低成本的数据驱动分析来支持光伏资产的有效管理。
关键词： 天气数据，随机森林，机器学习，光伏，故障检测
更新于2025-09-16 10:30:52