VIP20

本课程属于：025-深亚微米CMOS工艺 半导体工艺与制造设备 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

模型校准与I-V特性验证实践

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

光伏基础回顾

太阳能电池工作原理 · PN结与光生伏特效应 · 等效电路模型概述

光伏基础回顾太阳能电池工作原…

I-V特性曲线解析

I-V曲线关键参数（Isc · Voc · FF

I-V特性曲线解析

单二极管模型（SDM）理论

理想模型与单指数模型方程 · 五个关键参数（Iph · I0

SDM单二极管模型

双二极管模型（DDM）理论

双指数模型方程 · 七个关键参数 · 复合电流与扩散电流的区分

DDM双二极管模型

模型参数提取方法概览

解析法 · 数值拟合法 · 智能优化算法（GA

模型参数提取方法…解析法

实验数据采集规范

I-V曲线测试设备（源表 · 太阳模拟器） · 数据记录格式与常见误差来源

实验数据采集规范I-V

Python环境搭建

Anaconda安装 · Jupyter Notebook配置 · 必备科学计算库（NumPy

Python环境搭建

数据导入与预处理

使用Pandas读取CSV/TXT格… · 数据清洗（异常值剔除 · 缺失值处理）

数据导入预处理

数据可视化基础

使用Matplotlib绘制原始I-… · P-V曲线图 · 坐标轴标签与图例设置

数据可视化基础Matplotlib

最小二乘法原理

线性最小二乘与非线性最小二乘（Lev…

最小二乘法原理Lev

基于解析法的参数提取

利用关键点（短路点 · 开路点 · 最大功率点）计算Rs和Rsh的初值

基于解析法的参数…利用关键点

基于曲线拟合的SDM参数提取

使用SciPy的curve_fit函…

SDM基于曲线拟合的

拟合结果评估指标

均方根误差（RMSE） · 决定系数（R²） · 平均百分比误差（MAPE）的计算…

拟合结果评估指标RMSE

基于曲线拟合的DDM参数提取

处理双二极管模型参数耦合问题 · 使用curve_fit进行拟合

DDM基于曲线拟合的

参数初值敏感性分析

不同初值对拟合收敛速度与结果的影响 · 如何设置合理的参数边界

参数初值敏感性分…不同初值对拟合收…

智能优化算法入门

遗传算法（GA）基本原理及其在参数提…

智能优化算法入门GA

使用DEAP库实现GA优化

种群初始化 · 适应度函数定义 · 选择

粒子群优化算法（PSO）实现

粒子速度与位置更新公式 · 使用PySwarms库进行参数寻优

PSO粒子群优化算法

GA与PSO结果对比

收敛曲线对比 · 最终参数精度对比 · 计算耗时对比

模型校准流程标准化

数据分割（训练集/验证集） · 交叉验证策略 · 防止过拟合

模型校准流程标准…数据分割

温度与辐照度对I-V特性的影响

温度系数 · 辐照度系数在模型中的修正方法

串联电阻Rs的提取方法

暗I-V特性法 · 不同光照下的I-V曲线交点法

并联电阻Rsh的提取方法

低电压区域斜率法 · 暗态下的反向偏压特性

Rsh并联电阻

理想因子n的物理意义与提取

不同电压区间n值的变化规律

理想因子n的物理…提取

反向饱和电流I0与光生电流Iph的分离

短路电流与光照强度的线性关系

模型验证实验设计

使用一组已知参数的电池数据 · 校准模型后预测不同工况下的I-V曲线

模型验证实验设计使用一组已知参数…

预测结果可视化

将预测曲线与实测曲线叠加显示 · 标注关键参数误差

预测结果可视化将预测曲线

误差分析与模型改进

残差分布分析 · 系统误差与随机误差的识别 · 模型复杂度与精度的权衡

误差分析模型改进

自动化校准脚本开发

编写一个完整的Python脚本 · 实现从数据读取到参数输出的一键化流程

自动化校准脚本开…Python

课程总结与工程应用

模型校准在光伏电站运维 · 电池片分选 · MPPT算法设计中的实际价值

课程总结工程应用