不同环境下光伏组件自然积灰特性模拟

研究光伏组件自然积灰特性,可为光伏组件清灰提供理论指导。以华北电力大学光伏组件系统为研究对象,利用COMSOL软件对其积灰物理模型进行了数值模拟,其模拟与试验结果对比表明：二者变化趋势一致、数量级相同且相对误差在允许范围内,验证了模拟方法的合理性。模拟分析了湿度、污秽浓度、颗粒粒径、风速等因素对光伏组件积灰特性的影响。结果表明：相较于其他因素,湿度变化对光伏组件表面积灰影响较小;在其他条件一定时,光伏组件表面积灰量与污秽浓度呈正相关变化,粒径对污秽颗粒沉积的影响大于风速对污秽颗粒沉积的影响,小风速时加剧光伏组件表面积灰,大风速时则有一定的清洁作用。     

基于伪标签-1D DenseNet-KNN的光伏阵列开集复合故障诊断方法

提出了一种基于伪标签-1D DenseNet-KNN的光伏阵列故障诊断方法,实现在少标签样本下的光伏阵列复合故障开集识别。首先,分析了各种常见单一故障及灰尘覆盖下复合故障的I-V曲线特性。然后,为了克服常规的半监督机器学习算法需手动提取数据特征,采用一种伪标签与1D DenseNet相结合的半监督方法自动提取特征。最后,将对训练数据提取的特征、训练数据预测的标签及测试样本提取的特征输入K最近邻（KNN）算法进行开集复合故障诊断。实验表明,该方法不仅能准确分类各种已知类样本,而且能识别出未知类别故障,并且模型的训练仅需少量标签数据。     

一种光伏组件I-V特性曲线测试及参数辨识系统

提出一种光伏组件的I-V曲线扫描与参数识别系统.该系统采用功率MOS管作为电子负载,通过控制MOS管的导通程度改变电子负载以实现I-V特性曲线扫描;采用新型布谷鸟-NM单纯形混合算法实现快速、精确的I-V曲线拟合,以提取准确光伏模型参数.现场实验结果表明:该系统能够快速扫描光伏组件的I-V特性曲线,实现精确的模型参数辨识,具有较高的实际工程应用价值.     

基于模糊理论和组合权重的光伏组件健康状况评估

光伏能源以其能源再生和清洁为特点得到广泛应用,并具有广阔发展前景,然而其运行过程中的健康状况直接影响电力系统运行的安全性、经济性和电能质量,因此需要对光伏组件进行健康状况评估,以达到“早发现,早治疗”的目的.综合运用模糊理论、云模型及层次分析法和熵权法建立了光伏组件健康状况评估模型.以运行参数、环境参数、巡视参数为主要依据,考虑到光伏组件状况的多层次性和多因素性,进而将复杂问题进行分解,建立了光伏组件状况评估的层次指标体系.根据层次分析法(AHP)和熵权法确定权重向量模型,利用云模型建立模糊关系,依此建立光伏组件健康状况评估模型,对层次指标体系中的各层次的权重向量模型和模糊关系模型进行模糊运算,最终得到光伏组件健康状况的隶属度.实例分析表明,该方法是可行有效的.     

基于仿真模型的太阳能光伏电池阵列特性的分析

为了寻找更好的实现光伏发电系统最大功率点跟踪控制方法,基于仿真模型,研究了太阳能光伏电池阵列的特性。采用Matlab/Simulink模块,基于单个光伏电池的物理特性建立了太阳能光伏电池阵列的仿真模型。模型不但能分析太阳能光伏电池阵列所具有的随着光照强度和温度不同而变化的P-U和I-U非线性特性,而且可仿真太阳能光伏电池阵列工作在最大功率点以及稳定工作区域内时具有线性关系,并进行了理论推导。该模型简单明了,计算速度快。仿真结果表明:仿真与实验结果相符合,当光伏阵列工作在稳定区域内的情况下,dP/dU与I存在线性关系,模型具有通用性与实用性。     

基于仿真模型的太阳能光伏电池阵列特性的分析

为了寻找更好的实现光伏发电系统最大功率点跟踪控制方法,基于仿真模型,研究了太阳能光伏电池阵列的特性。采用Matlab/Simulink模块,基于单个光伏电池的物理特性建立了太阳能光伏电池阵列的仿真模型。模型不但能分析太阳能光伏电池阵列所具有的随着光照强度和温度不同而变化的P-V和I-V非线性特性,而且可仿真太阳能光伏电池阵列工作在最大功率点以及稳定工作区域内时具有线性关系,并进行了理论推导。该模型简单明了,计算速度快。仿真结果表明:仿真与实验结果相符合,当光伏阵列工作在稳定区域内的情况下,dP/dV与I存在线性关系,模型具有通用性与实用性。     

一种利用改进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,本文提出一种利用改进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;进而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;再利用量子粒子群（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。最后根据美国国家可再生能源实验室（NREL）提供的I-V曲线数据集进行实验验证和测试。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。     

求解线性规划问题的新方法及影子价格

对线性规划问题的求解提出了一种新方法,此方法不须引入人工变量而可在一种表格之下直接应用最小比值旋转迭代运算求得最优解．此方法我们称为最小比值旋转迭代法,应用此方法还可以避免单纯形法中的循环问题,同时也容易求出影子价格．     

驾驶员行为意图及特性辨识研究综述

为了更好地提高汽车的主动安全性,实现个性化驾驶,针对汽车电控系统中的驾驶员行为意图及特性辨识问题,阐述了各种电控系统在汽车上的重要作用和驾驶员行为意图及特性辨识研究对于汽车电控系统开发的重要意义,对驾驶员行为意图及特性辨识的国内外研究进展情况进行了概述,提出了展望:为提高汽车电控系统性能,实现智能化控制,需要对汽车驾驶员行为意图及特性进行辨识研究;如何更为合理地对转向、制动、加速特性等综合特性进行合理分类和在线准确辨识,将是一个长期的研究课题。     

特大城市中心区阴影区的边界界定及空间特征

采用墨菲指数界定的10个亚洲特大城市中心区用地及建筑作为数据基础,通过对这10个中心区实地调研与综合分析,发现阴影区在区位空间分布、公共设施分布、开发强度和建筑形态4个方面具备具体特征内涵.然后,从这4方面提出界定方法,确定特大城市阴影区范围.采用数据排序法分析用地构成,总结阴影区用地可按照比例大小分为4个等级.最后,采用时间-成本法分析交通特征,发现交通可达性低的地块容易产生阴影区.根据以上分析和归纳,可科学认知阴影区的空间规律,从理性推进的角度实现中心区的健康发展.     

基于测井数据的砂岩型铀矿异常识别BP神经网络方法应用

为了快速有效的获取砂岩型铀矿矿集区铀矿异常分布信息,以砂岩型铀矿异常的测井响应特征为理论依据,利用BP神经网络强大的非线性映射和学习能力,以已知铀矿矿化层信息为学习样本,构建3层BP(back propagation)神经网络模型。对松辽盆地大庆长垣南端某铀矿矿集区铀矿钻孔测井数据进行异常层和矿化层的识别提取,并将模型识别结果与已知矿化层信息进行分析对比。结果表明:BP神经网络模型识别准确率达86.55%,效果较好,矿化层的识别结果同已知矿化层信息重合度高,同常规的铀矿异常识别方法相比更加接近铀矿异常分布的形态。此方法能快速有效的获取未知孔的异常信息、降低人为解释工作带来的误差,具有较高的准确性,优势明显。BP神经网络技术应用于铀矿勘察工作中具有良好的前景。     

工业设计专业阴影透视教学内容改革的探讨

根据工业设计专业培养目标的要求,探讨了阴影透视课程教学内容的改革.