自动立机学习用于现场集中式太阳能发电厂计量与可分化的射线追踪

科学领域:

• 可再生能源工程可再生能源工程
• 机器学习应用 机器学习应用
• 光学系统分析 光学系统分析

背景情况:

• 集中式太阳能发电厂 (CSP) 提供清洁的电力和碳中和燃料,补充光伏系统.
• 在CSP工厂的直升机需要精确的调整才能达到高温,但未知的错误会引起安全问题并降低效率.
• 准确的现场误差测量对于具有竞争力的平衡能源成本和大规模的CSP部署至关重要,但目前缺乏.

研究的目的:

• 开发一种数据驱动的方法,用于在CSP工厂现场测量立机器误差.
• 为了提高立机性能分析的精度和自动化.
• 整合物理和数据驱动模型,以提高CSP工厂的优化.

主要方法:

• 采用可微分射线追踪机器学习方法,从校准图像中得出立体辐射分布.
• 基于梯度的优化和学习非统一的理性B线螺旋模型被利用.
• 该方法在现实环境中得到验证,以确定亚毫米不完美.

主要成果:

• 这种方法可以准确地确定亚毫米的立体不完美,并预测立体特定的辐射度.
• 取得的精度超过了当前最先进的方法.
• 启用了全自动化立体错误评估和性能预测.

结论:

• 开发的机器学习管道为CSP中统一物理和数据驱动模型提供了开创性的解决方案.
• 这种方法提高了集中式太阳能发电厂的安全性,效率和经济可行性.
• 该方法在其他光学和工程领域具有应用潜力.