摘要
本发明实施例涉及一种太阳能电池性能预测方法及装置,预测方法包括:采集待预测半电池的光谱数据;将光谱数据输入太阳能电池性能预测模型,得到待预测太阳能电池的预测指标数据。本发明实施例提供的技术方案,采用自注意力结构对光谱信息进行理解和提取,相比于卷积结构能更好的抓住更宽波长范围内的依赖关系,从而提高预测的精度和准确度;模型的训练采用提取训练加预测训练的训练模式,将预测任务分解成了特征提取和性能映射,两者独立的训练模式使得预测模型能更专注于当前任务,实现更有效的特征提取和更准确的性能映射,采用掩码重建对光谱数据进行特征提取,使得模型能更好的理解光谱数据内部的数据结构,提高了特征提取的准确度。
技术关键词
性能预测模型
太阳能电池
性能预测方法
注意力
编码模块
光致发光
指标
解码
光电转换效率
多层感知机
数据采集模块
预测装置
界面
输出端
误差
模式
系统为您推荐了相关专利信息
高炉出铁口
注意力机制
卷积神经网络学习
聚类算法
图像数据处理技术
样本
信号编码器
信号处理
振动信号分类方法
模型构建方法