哥伦比亚大学研发PSO-SR模型，10分钟精准预测光伏逆变器温度

Source: News media

哥伦比亚玻利瓦尔主教大学的一组科学家开发出一种基于粒子群优化（PSO）的符号回归（SR）新方法，用于预测光伏逆变器温度。符号回归是一种通过识别数学表达式揭示输入变量与输出数据关系的机器学习技术，粒子群优化则是一种仿生优化算法。

Source: Research Team Report

研究团队表示："对太阳能逆变器进行适当温度控制，对维持系统效率和延长使用寿命至关重要。不准确的温度预测可能导致热管理策略欠佳，从而造成能量损耗并降低光伏逆变器效率。"

Comparison of switching power loss in inverter power modules at high temperature (red) and low temperature (blue)

为了训练和测试需求模型，团队以哥伦比亚蒙特里亚某建筑屋顶的光伏系统为原型建立了数据库。在超过一年的监测中，研究人员持续记录逆变器温度、有功功率和直流母线电压数据，其中70%的数据点用于新方法训练，30%用于测试验证。结果表明，基于粒子群优化的符号回归方法在训练和测试阶段均表现最优。

研究团队总结道：“关于计算时间，该算法每次执行仅需0.175小时（约10.5分钟）即可完成25次迭代。相较于神经网络或传统多元回归等技术，这种针对非线性关系问题设计的算法展现出显著竞争力。"