热点事件持续更新
机器学习光伏功率预测与电池储能能量管理框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
事件综述
2026年10月30日，一项在Zenodo发布的研究提出结合随机森林回归光伏功率预测与电池储能、电网调度的能量管理系统。该研究用30天720条小时级数据训练，预测MAE为0.0292 kW、RMSE为0.0421 kW、R²为0.9976，特征重要性显示太阳辐照度是主导因素。系统在分析期内实现光伏发电91.96 kWh、负荷81.17 kWh、上网37.49 kWh、购电27.59 kWh，能量成本₹108.23。目前该研究以数据与软件形式公开，尚无后续验证或应用进展报道。
根据报道自动生成 · 2 小时前更新
最新进展10月30日 15:47
研究公开随机森林光伏预测与储能调度框架，R²达0.9976，能量成本₹108.23。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- Zenodo · battery 数据与软件基于机器学习的天气驱动光伏功率预测与智能能量管理框架
该研究构建了一套结合随机森林回归光伏功率预测与电池储能、电网调度的能量管理系统，用30天720条小时级数据训练，预测MAE为0.0292 kW、RMSE为0.0421 kW、R²为0.9976，特征重要性显示太阳辐照度是主导因素。系统在分析期内实现光伏发电91.96 kWh、负荷81.17 kWh、上网37.49 kWh、购电27.59 kWh，能量成本₹108.23。
本事件热度走势
当前热度 10·可比范围峰值 10（10月30日 16:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。