人工智能与机器人学院李红莲教授在国际知名期刊Energy发表学术成果
2026-11-06  点击:[]

近日,我校人工智能与机器人学院李红莲教授的研究成果“A generation method of meteorological year for photovoltaic buildings based on AR-LSTM with an improved diffuse estimation model”(基于改进散射辐射估算模型与AR-LSTM的光伏建筑气象年生成方法)在国际知名期刊《Energy》发表。李红莲教授为论文第一作者及通讯作者,西安建筑科技大学为论文第一署名单位。

光伏建筑的发电性能与当地太阳辐射及温湿度等气象条件密切相关,构建具有代表性的气象年是开展光伏建筑方案设计与性能评估的重要基础。然而,现有研究多关注太阳总辐射,忽略了直射辐射和散射辐射在不同天气条件下的差异。同时,传统散射辐射估算模型对云层透射及大气传播路径的考虑不足,现有气象年生成方法也难以兼顾辐射分量的短期波动与长期变化特征。

针对上述问题,论文提出了一种结合改进散射辐射估算模型与自回归—长短期记忆网络(AR-LSTM)的光伏建筑气象年生成方法。在已有考虑降水因素的散射辐射估算模型基础上,引入云透射率和大气质量系数,进一步表征云层对太阳辐射的衰减作用及大气传播路径的影响,提高散射辐射估算的可靠性,并据此获取直射辐射数据,为光伏建筑气象年构建提供更加准确的辐射分量信息。

在此基础上,论文构建了AR-LSTM复合模型,利用AR模型捕捉直射辐射与散射辐射的短期波动特征,通过LSTM网络学习辐射分量及其他气象参数的长期时序变化规律,并根据候选月份与多年平均气象特征的相似程度筛选代表性月份,进而组合生成光伏建筑气象年。该方法充分考虑了太阳辐射分量的波动性与时序特征,为光伏建筑的太阳能资源评估、方案选择及发电潜力分析提供了新的技术思路。

《Energy》是Elsevier出版的国际知名能源领域学术期刊,主要刊载能源系统、可再生能源及能源转换与利用等领域的创新性研究成果。

论文链接:https://doi.org/10.1016/j.energy.2026.141893

人工智能与机器人学院李红莲教授在国际知名期刊Energy发表学术成果
2026-11-06  点击:[]

近日,我校人工智能与机器人学院李红莲教授的研究成果“A generation method of meteorological year for photovoltaic buildings based on AR-LSTM with an improved diffuse estimation model”(基于改进散射辐射估算模型与AR-LSTM的光伏建筑气象年生成方法)在国际知名期刊《Energy》发表。李红莲教授为论文第一作者及通讯作者,西安建筑科技大学为论文第一署名单位。

光伏建筑的发电性能与当地太阳辐射及温湿度等气象条件密切相关,构建具有代表性的气象年是开展光伏建筑方案设计与性能评估的重要基础。然而,现有研究多关注太阳总辐射,忽略了直射辐射和散射辐射在不同天气条件下的差异。同时,传统散射辐射估算模型对云层透射及大气传播路径的考虑不足,现有气象年生成方法也难以兼顾辐射分量的短期波动与长期变化特征。

针对上述问题,论文提出了一种结合改进散射辐射估算模型与自回归—长短期记忆网络(AR-LSTM)的光伏建筑气象年生成方法。在已有考虑降水因素的散射辐射估算模型基础上,引入云透射率和大气质量系数,进一步表征云层对太阳辐射的衰减作用及大气传播路径的影响,提高散射辐射估算的可靠性,并据此获取直射辐射数据,为光伏建筑气象年构建提供更加准确的辐射分量信息。

在此基础上,论文构建了AR-LSTM复合模型,利用AR模型捕捉直射辐射与散射辐射的短期波动特征,通过LSTM网络学习辐射分量及其他气象参数的长期时序变化规律,并根据候选月份与多年平均气象特征的相似程度筛选代表性月份,进而组合生成光伏建筑气象年。该方法充分考虑了太阳辐射分量的波动性与时序特征,为光伏建筑的太阳能资源评估、方案选择及发电潜力分析提供了新的技术思路。

《Energy》是Elsevier出版的国际知名能源领域学术期刊,主要刊载能源系统、可再生能源及能源转换与利用等领域的创新性研究成果。

论文链接:https://doi.org/10.1016/j.energy.2026.141893