利用人工智能优化光伏电池板的能源生产

马德里理工大学和西班牙国家研究委员会的研究人员开发了一种基于人工智能技术的方法，在设计太阳能电池以产生更多能量时考虑到大气变化。

通过使用被称为聚类的统计技术和人工智能，来自马德里理工大学太阳能研究所（IES-UPM）和西班牙国家研究委员会（IMN-CSIC）微纳米技术研究所（Institute of Micro and Nanotechnology）的研究人员发现了一种实用的方法，可以将所有的变化都包括在计算中。GES给出了在太阳光谱中预测太阳能光伏发电量的方法。

这项发表在《自然通讯》上的研究让我们能够在数小时的计算中找到每个地点多结太阳能电池的最佳设计。

在一年中的白天和季节，太阳位置和大气条件都会发生变化，因此到达光伏板的太阳光具有不同的特征。最相关的变化发生在光的光谱含量上，它包括光的颜色分布。例如，中午的光线更蓝，下午的光线更红。

未来的太阳能电池板将是多结的，并结合各种材料来利用光谱。然而，多连接面板的能量产生在某种程度上取决于阳光的颜色变化。

因此，这些电池板的制造目的是为特定颜色的太阳光产生最大能量，因此，太阳位置和大气条件产生的变化会造成生产损失。为了减少这些损失，研究人员设计了一种能够优化全球能源生产的面板，它解决了阳光颜色的问题。然而，由于大气条件的无限变化和太阳位置的多样性，这种优化非常复杂。

西班牙研究人员的研究表明，使用机器学习技术，具有数千个太阳光谱的数据集可以简化为几个特征代理光谱，并成功地使用这些代理光谱预测作为太阳能电池设计函数的年平均效率。

瓦拉（IES-UPM）在美国国家可再生能源实验室（NationalRenewableEnergyLaboratory）工作期间提出了这个初步想法。他开发了一种统计方法来进行这种计算。后来，Jose Mar_a Ripalda Cobi_n y Jeronimo Buencuerpo Fari_a（IMN-CSIC）将聚类技术应用于前一种方法，取得了成功的结果。iv_n garc_a vara指出，“我们工作项目的最终结果是以年发电量为标准优化多结太阳能电池板的设计。”