含多电解槽的新能源制氢能量管理优化

新能源制氢系统是提升风能、太阳能等新能源发电消纳的有效途径。目前国内外关于电解槽能量管理的相关研究以单电解槽为主。单电解槽能量管理未考虑电解槽非线性的工作特性,难以兼顾多个电解槽制氢效率,影响系统经济性。论文针对含有多电解槽新能源制氢系统的能量管理问题进行了研究。以新能源消纳率、经济收益、制氢率为目标,考虑单个电解槽运行特性及生产约束等条件,建立包含风电、光伏、蓄电池、电解槽多个模块的能量管理优化模型,并采用SPEA2算法求解多目标优化问题。仿真研究表明,所提能量管理策略能够实现新能源发电的100%消纳,单位制氢效益可提升5.15%。因此,多电解槽制氢系统进行有效的能量管理有助于提高制氢效率,有效克服单电解槽运行及能量管理的不足。     

基于轻量级密集残差网络的水下图像增强

深度卷积神经网络是水下图像增强的主要方法之一,但其过高的内存消耗和计算需求阻碍了在实际应用中的部署。为此,提出一种轻量级的密集残差卷积神经网络(dense residual convolutional neural networks, DRCNN)用于水下图像增强。为降低计算成本,DRCNN采用深度可分离卷积提取高级特征;通过密集连接和残差学习促进不同通道之间的信息交互,提高模型表征能力;将输入的退化图像与中间特征图融合,保留图像全局相似性,同时防止模型梯度消失。实验结果证明DRCNN能有效提高水下图像质量,较于现有算法,DRCNN参数量减少了85%,PSNR、SSIM值分别提高了3%、2%,测试速度提高了3%。DRCNN使用更少的参数实现了更好的性能,利于在低资源设备的实时场景中应用。     

面向生产线全生命周期的数字孪生模型应用

针对传统生产方式存在的管理成本大,生产效率低的问题,为实现智能化生产,设计了基于数字孪生技术的生产线全生命周期管理应用框架。首先基于物理生产线的多元数据,通过建模技术构建了生产线数字孪生模型,分别从生产线的规划阶段、调试阶段、运行阶段,为物理实体生产线提供仿真预演分析、连通调试、生产状态监控、数据可视化等服务。通过孪生模型对实际生产线的规划到运行阶段进行指导和改进,使企业生产线平衡率提高了6.84%,年产量增加了792件,结果表明该方法有效。     

Minimizing Energy Barrier in Intermediate Connection Layer for Monolithic Tandem WPeLEDs with Wide Color Gamut

Perovskite light-emitting diodes (PeLEDs) show promising prospects in the wide color gamut display owing to their ultra-narrow full width at half maximum (FWHM). However, up to now, all perovskite white LEDs integrated by standard red, green, and blue perovskite emitters, namely, monolithic white PeLEDs (WPeLEDs), have been rarely reported, owing to facing some issues, e.g., solvent incompatibility in solution technique, ion exchange, and energy transfer between different emission centers. Herein, centered on these issues, an optimal intermediate connection layer (ICL) of Po-T2T/LiF/Ag/HAT-CN/MoO₃ is adopted to successfully develop monolithic tandem multicolor PeLEDs and WPeLEDs for the first time. The multicolor PeLEDs can achieve the best external quantum efficiency of 1.8% and the highest luminance of 4844 cd m⁻². Besides, the red/green/blue (R/G/B) monolithic tandem WPeLED shows a standard white International Commission on Illumination coordinate of (0.33, 0.33) and achieves an extremely wide color gamut reaching  National Television Standards Committee of 130%. This study is the first to realize the standard R/G/B co-electroluminescence in a monolithic perovskite device and offers a feasible strategy for developing wide-color gamut perovskite displays.     

LRSS-Net:轻量级遥感地物分割网络

针对目前基于深度学习的高分辨率遥感图像分割模型由于参数量大、计算复杂而导致高延迟、低响应的问题,提出了一种轻量级遥感地物分割方法,较好的平衡了速度和精度.该方法使用MobileNetV2进行特征粗提取,通过构建空间信息嵌入分支实现不同尺度的特征细提取,不同层次之间引入密集连接以获取密集的上下文信息.解码端设计特征融合优化策略逐层融合不同尺度的特征增加对细粒度特征的感知,同时以反卷积与双线性插值交替的上采样方式减少图像边缘信息丢失.最后采用交叉熵损失与Dice损失结合的方式加快网络收敛速度.为了验证所提方法的有效性,与几种常用的语义分割方法进行了对比实验.实验结果表明,所提算法的分割准确率为93.7%,MIoU为88.01%,可以实现地物的有效分割.     

含高比例风光接入的输电网氢-电混合储能系统配置方法

目前高比例风光接入的输电网存在弃风弃光率普遍较高的问题,配置储能设备作为一种具有潜在效用的手段在当前的研究中备受青睐。针对输电网储能配置问题,为达到综合成本减小和弃风弃光率降低的目的,提出了一种基于双层规划模型的输电网氢-电混合储能系统配置方法。首先,对氢-电混合储能系统的特性进行建模,在此基础上建立输电网氢-电混合储能系统功率与容量配置双层规划模型。上层模型以配置储能后年综合成本最小为目标;下层模型以弃风弃光率最小为目标。其后基于蓄电池和氢储能的不同特性,提出一种氢-电混合储能系统配合策略。最后,针对该模型非线性多目标的特点,采用双层迭代粒子群算法与潮流计算相结合进行模型求解。在算例仿真部分,以某含有高比例风光接入地区输电网为例,进行氢-电混合储能系统容量和选址的优化配置,验证了所建模型和所提求解算法的可行性和有效性。提高了风电光伏出力在时序上的转移能力,减少了高碳化石能源的消耗量,降低了弃风弃光率。     

基于全绕组拓扑结构的移相变压器建模及应用

针对现有移相变压器稳态数学模型不能适用于内外部端口故障电气量计算的问题,基于相分量法建立其全相数学模型。以对称双芯式移相变压器为例,根据其电磁约束关系,推导出节点电压与电流间的关系式,再通过绕组拓扑结构对节点进行合并及接地处理,得到移相变压器的导纳矩阵和全相等效电路模型,并对矩阵进行修正以适应不同故障情况下的计算。最后,利用该模型分析了对称双芯式移相变压器在不同相序网络中的运行特性。对比仿真结果可知,所建全相数学模型能够准确计算各类端口故障下的电气量,所得等效相序电路可以有效反映不同序分量下移相变压器的运行特性。     

特高压直流分层接入方式下预防换相失败的协调控制策略

分层接入的特高压直流输电系统中,非故障层换相失败预测控制的启动时刻存在延时,无法及时反应故障严重程度以输出合适的触发角提前量,可能导致高低端换流器同时发生换相失败的风险增加。对此,提出一种基于故障层触发角提前量前馈的高低端换流器换相失败预测控制协调策略。利用故障层换流器可更灵敏反应故障严重程度的特点,所提策略将故障层换相失败预测控制触发角提前量引入非故障层换相失败预测控制,实现非故障层换相失败预测控制启动时刻提前。此外,还引入直流电流协调系数以得到更合适的触发角提前量。在PSCAD/ EMTDC中搭建了仿真模型,对不同工况下所提控制策略进行了验证。结果表明,该策略能快速应对逆变侧交流系统故障,减小高低端换流器同时发生换相失败的风险,对预防分层接入系统高低端换流器同时发生换相失败有一定借鉴意义。     

结合残差BiLSTM与句袋注意力的远程监督关系抽取

实体关系抽取是从非结构化和程序化的海量文本中识别出实体之间的语义关系,为本体构建、智能检索等任务提供数据支持,然而现有远程监督关系抽取方法普遍存在需要大量人工标注语料库、提取特征含有噪声且忽略了实体与句子之间关联关系等问题。提出一种基于残差双向长短时记忆网络（BiLSTM）与句袋内和句袋间注意力机制的关系抽取模型,在将词向量和位置向量作为模型输入的基础上,通过残差BiLSTM网络提取语句与实体词中的长距离文本信息,利用句袋内和句袋间注意力机制对提取到的特征信息进行处理,使模型在远程监督过程中减少实体之间的特征提取噪声,并提高模型识别准确性。在NYT数据集上的实验结果表明,该模型能够充分利用实体与关系特征,平均精确率达到86.2%,相比于将卷积神经网络和分段卷积神经网络作为句子编码器的同类模型具有更好的远程监督关系抽取性能。     

A high efficiency multi-module parallel RF inverter system for plasma induced hydrogen

Hydrogen energy plays an important role in achieving carbon neutralization, and plasma induced hydrogen is an effective production method. One challenge is how to guarantee high efficiency operation with wide power output range of the RF inverter system used to generate the plasma. In this paper, a multi-module parallel topology of a high-frequency inverter is analyzed, in which the power combining network can maintain the soft switching characteristics of the inverter modules. A control method of "ON/OFF + phase shift" is adopted to broaden the output power range of the inverter. The equivalent impedances of different modules are analyzed in detail. A four-module 13.56 MHz high-frequency inverter prototype is built and tested. The results show that the inverter can operate at high efficiency and wide output power range with efficiency improved by at least 5% compared with the traditional parameter design method without considering the effect of paralleled modules.