采用ELM和优化电压传感器布局的光伏阵列故障检测与区域定位

为快速检测并定位光伏阵列中出现的故障,提出一种新的传感器布局策略,通过优化电压传感器的位置减少电压传感器的数量,同时显化故障的特征.然后,将定位问题转化为分类问题,选用极限学习机(ELM),将最大功率点处的电压数据作为输入训练分类模型.结合实验室屋顶光伏并网发电平台获取的故障数据,对健康状态和所设置的3种故障状态下细化的故障共18种类别,进行分类模型的建立与测试.实验表明,应用本模型故障检测与区域定位的精确率达99.52%,优于所对比的支持向量机、多层感知机网络和随机森林的诊断结果.     

利用相似日小波变换和多层感知机的短期光伏功率预测

为了提高光伏功率预测的准确性和可靠性,基于相似日小波变换和多层感知机建立智能光伏功率预测模型;将小波变换的多分辨率特点和多层感知机的非线性拟合能力结合起来,以有效地提高预报的可靠性.首先,选取相似日数据并归一化,并用小波变换对数据进行预处理;其次,训练多层感知机模型学习气象因素与光伏功率之间的映射关系;最后,基于沙漠知...     

硫化温度和时间对Sn_xS_y薄膜结构和成分的影响

用热蒸发技术在玻璃基片上沉积一层Sn薄膜,在真空条件下,将其在150~300℃下硫化30~60 min.对在不同温度和时间下硫化的薄膜进行结构、成分和表面形貌分析,结果表明:在不同温度和不同时间下硫化,所得到的薄膜在物相结构、成分和表面形貌上都存在差异.当硫化温度为240℃、硫化时间为45 min时,所制得的薄膜为正交结构的SnS多晶薄膜,其均匀性、致密性以及对基片的附着力都较好,具有(111)方向优先生长,薄膜粒径在200~800 nm,且晶格常数与标样的数值吻合很好.     

SnS薄膜的制备技术及其性能的研究进展

SnS是一种Ⅳ-Ⅵ族半导体材料,非常适合于作为太阳能电池的吸收层材料。目前已经研究开发了许多制备SnS薄膜的技术,并对其性能进行了研究,详细阐述了SnS薄膜的制备技术及其性能的研究进展。     

Sb2Se3-Sb2S3两端叠层薄膜太阳能电池

设计并制备一种全锑基两端叠层薄膜太阳能电池，其结构为ITO/CdS/Sb₂S₃/Au/ZnO/Sb₂Se₃/Au.通过快速热蒸发法制备Sb₂Se₃和Sb₂S₃薄膜，该薄膜具有良好的结晶性.测试表明，器件中各层薄膜的能级互相匹配，并且可实现光谱的分段利用. Sb₂Se₃-Sb₂S₃两端叠层电池的光电转换效率达到3.25%,其开路电压为0.98 V,可基本实现开压叠加.     

利用轻量化深度学习模型和加速度信号的枪击识别方法

枪支射击的检测与识别有助于实现枪支和子弹的精准管控，从而防止枪支滥用、提高公共安全。区别于传统利用加速度传感器的枪击识别需要进行特征提取的方法，本文针对不同类型的枪击加速度信号，首次采用深度学习的方法进行研究，提出了一种新的兼顾精度和轻量化的EfficientNetTime时间序列分类模型。该架构核心由MBConvTime，Fused-MBConvTime模块组成，能够自动提取枪击加速度信号特征，对不同输入时间尺度更具鲁棒性。在识别精确率方面达到97.42%超越传统枪击识别算法，并在公开枪击数据集上与SVM、决策树、随机森林三种传统机器学习模型和FCN、Resnet、Inceptiontime、Xceptiontime四种时间序列深度学习模型对比。实验结果表明EfficientNetTime模型更加高效，识别精确率也更高。     

MoO3背界面修饰对柔性CZTSSe太阳能电池性能的影响

针对高温硒化过程中铜锌锡硫硒（CZTSSe）太阳能电池背界面不稳定问题，提出在柔性Mo衬底上蒸镀MoO₃薄层，阻隔CZTSSe吸收层与Mo的直接接触，抑制背界面处CZTSSe吸收层与Mo发生分解反应.材料表征及性能测试表明，MoO₃修饰能促进背界面处CZTSSe吸收层的生长，提高CZTSSe吸收层的结晶质量，实现了CZTSSe吸收层由双层结构向“三明治”结构的转变.实验证明，加入10 nm的MoO₃薄层，开路电压与短路电流有大幅提升，能得到最佳的器件效率，效率从6.62%提升到7.41%.     

利用改进布谷鸟优化算法的光伏全局MPPT方法

光伏阵列一般由大量组件构成,受环境影响易出现局部阴影,导致P-V曲线出现多峰现象。传统的最大功率点追踪(Maximum power point tracking,MPPT)控制策略如扰动观察法容易陷入局部最优, 从而降低光伏系统的发电效率。为了解决该问题, 本文提出了一种融合正弦余弦算法和自适应策略的布谷鸟优化算法(Cuckoo Search Algorithm Fusing Sine Cosine Algorithm And Adaptive Strategy ,AFCS),并将其应用于光伏全局MPPT控制中,用于改善MPPT过程中的收敛速度与追踪精度。最后设置多种光照情况并用花朵授粉算法和粒子群算法进行对比,经过MATLAB/Simulink仿真验证,该算法拥有较快的收敛速度和较高的追踪精度, 在各个光照条件下均能快速追踪到光伏阵列最大功率点, 可以有效提高光伏系统的发电效率。     

利用改进Elman神经网络的光伏I-V特性建模方法

为了准确表征和预测光伏(PV)组件在不同工况下的电流电压(I-V)特性，提出一种利用改进Elman神经网络的光伏I-V曲线黑盒建模新方法.首先，通过皮尔森相关系数分析影响I-V曲线的环境因素；其次，使用基于电压电流的双线性插值法对实测I-V曲线进行重采样，以提高I-V曲线上数据点分布的均匀性；再次，使用基于辐照度温度的网格采样法对I-V曲线数据集进行下采样，降低数据冗余度，并利用量子粒子群(QPSO)算法优化Elman神经网络的初始权值和阈值，从而构造QPSO-Elman预测模型.最后，根据实测I-V曲线数据集进行实验验证和测试，并与多层感知机、未改进的Elman网络、支持向量机等算法进行对比.实验结果表明，所提出的建模预测方法精度更高，稳定性和泛化能力更好.     

络合剂存在下电沉积的SnS薄膜的结构和Raman光谱

在络合剂EDTA存在且溶液的pH=2.1,沉积电位E=-1.0 V,离子浓度比Sn2+/S2O32-=1/4的条件下,通过改变EDTA的浓度,用阴极恒电位电沉积法在ITO导电玻璃基片上沉积SnS薄膜.结合X射线衍射和表面形貌分析,表明它们是具有正交结构的SnS多晶薄膜,且薄膜的颗粒小、致密性和均匀度较好;对其Ram an光谱研究也进一步说明了薄膜中的主要成分是SnS.