基于BP神经网络的太阳能光子增强热电子发电模型
毕小云
李尚达
郝梦媛
邱浩
山东大学高效储能及氢能利用山东省工程研究中心,山东济南 250061
摘要：太阳能资源巨大、清洁低碳,大力发展太阳能是实现"双碳"目标的关键路径.光子增强热电子发射(Photon-Enhanced Thermionic Emission,PETE)是一种耦合光伏效应与热电子效应的太阳能发电新技术,具有效率高、结构简单、运行稳定等优势,发展潜力大.太阳能PETE是一个光-热-电强耦合系统,构建其理论模型是开发和研究PETE技术的关键.光-热-电耦合的数学物理模型通常计算成本高、效率低,研究采用反向传播(BP)神经网络模型预测PETE系统发电性能.选取聚光比、电子亲和势和阴极厚度作为输入参数,以阴极温度、能量转换效率等6项关键指标为输出目标,利用990组数值模拟数据建立研究样本.采用拉丁超立方试验(Latin Hypercube Sampling,LHS)设计划分数据集,并对光子增强系数进行对数预处理以优化数据分布.所构建BP神经网络结构为3-10-12-6节点配置,采用Levenberg-Marquardt算法进行训练,并以决定系数(R2)和平均绝对百分比误差(EMAP)2个互补性指标作为评价指标.结果表明:模型对6个参数预测精度极高,R2在0.99以上,且EMAP均接近0.经测试集检验,模型的泛化能力极强.与传统数值模拟相比,预测速度显著提升,为系统实时优化提供了可能.验证了 BP神经网络模型在太阳能PETE发电系统性能预测的有效性,为其发展和应用提供了有效途径.
关键词：光子增强热电子发射BP神经网络太阳能发电性能预测特性分析
分类号：TP183(自动化基础理论)TK519(太阳能及其利用)
资助基金：国家自然科学基金(52406258)山东省自然科学基金资助项目(ZR2024QE199)
论文发表日期：2025-11-30
在线出版日期：2025-12-24（本平台首次上网日期，不代表文献的发表时间）
页数：10( 74-83 )
英文信息