基于参数辨识的光伏组件故障诊断模型

为了对光伏组件运行状况进行准确判断,提出了一种基于参数辨识的组件故障诊断模型。分析了任意工况下的光伏组件输出特性曲线,借助于改进人工鱼群算法对数学模型中各参数进行了辨识。通过分析各模型参数随光照和温度的变化关系来获取多组工况下的模型参数值,结合光伏组件各种故障数据建立了以光生电流、二极管反向饱和电流、二极管理想品质因素和等效串并联电阻为输入层向量,以组件正常、组件短路、等效串联电阻异常老化和等效并联电阻异常老化为输出层向量的径向基函数(radical basis function,RBF)神经网络故障诊断仿真模型,仿真结果验证了上述光伏组件故障规律的正确性。搭建了基于可编程电子负载的光伏组件户外实验平台,进行了组件故障诊断的实验研究,实验结果验证了所提方法的有效性和准确性。     

改进YOLOv5s的非机动车头盔佩戴检测方法

针对传统非机动车头盔检测算法目标漏检率高,在密集骑行场景下检测精度低等问题,提出了一种基于改进YOLOv5s的非机动车头盔佩戴检测算法。该算法采用Kmeans++算法聚类生成锚框,增强网络的稳定性;接着使用轻量级通用上采样算子(CARAFE)对高阶特征图进行上采样操作,增大感受野,充分利用特征语义信息;同时在Backbone模块和Head端前引入坐标注意力机制(coordinate attention,CA),在保证轻量化的同时,进一步提高算法的检测精度;最后利用DIo U-NMS对目标检测模型的输出后处理,降低密集场景下模型的漏检率,改善遮挡物体的检测能力。与YOLOv5s算法相比,改进后的算法精确度、召回率、平均精度分别提升了2.3%、1.5%和1.5%,能够实现对非机动车头盔佩戴的高精度检测。     

基于Z源逆变器的粒子群和模糊变步长电导增量MPPT算法

针对局部阴影环境及环境辐照度阶跃的问题,提出一种基于Z源逆变器的粒子群和模糊变步长电导增量MPPT算法。粒子群通过少量迭代搜索至最大功率点附近,再切换至模糊变步长电导增量法,不仅使得最大功率点跟踪过程用时短,还可保证最大功率点追踪的稳态精度。同时此算法针对辐照度阶跃变化的情况设置重启环节,以便在功率阶跃后能迅速跟踪至新的最大功率点。通过建立的仿真模型和搭建的试验平台验证算法的可行性和优越性。     

常见光伏阵列拓扑结构分析

太阳能光伏发电系统作为一个复杂系统,其中光伏阵列拓扑结构对整个系统的成本和效率有着重要的影响,它也关系着发电系统能否经济可靠地运行。对比分析了几种常见的光伏阵列拓扑结构,并对常见失配条件下阵列输出功率的仿真结果进行分析。分析研究表明阵列拓扑结构对光伏系统输出功率和成本有很大影响,这些研究为光伏阵列拓扑的设计提供了参考。     

光伏组件直流模块的控制策略研究

在非理想工况下,光伏阵列的多峰现象会使得输出功率大幅下降,严重影响整个光伏发电系统的工作效率.为保证每个组件在不同工况下都能运行在各自的最大功率点处,提出一种基于双开关管的Buck-Boost直流斩波电路的光伏组件优化器,能够根据设计的控制策略自动切换工作模式和寻找最大功率点.实验验证了该控制策略的有效 性和高效性.     

基于改进混沌粒子群算法的光伏阵列建模方法研究

准确地建立光伏阵列模型对光伏电站性能分析具有十分重要的意义。由于传统光伏阵列建模方法具有模型参数计算困难、计算结果精度低、对铭牌参数依赖性高等不足,导致传统光伏阵列模型具有适应性差等。文章从实测数据出发,提出了一种基于改进混沌粒子群算法的光伏阵列建模方法。模拟结果表明,相比于传统的建模方法,基于改进混沌粒子群算法的光伏阵列模型模拟结果的精度较高,更符合光伏阵列的实际输出特性,且不依赖于出厂参数,因此,适应性较好,并具有操作简单、易于实现的优点。     

一种光伏组件输出功率的估算模型

根据简化的太阳能电池模型,结合IEC60891关于任意条件下光伏组件的短路电流和开路电压的校正公式,提出了一种光伏组件输出功率估算模型。利用该模型估算了光伏组件在晴天、阴天、多云天气的输出功率,并与户外测试平台上实测组件的输出功率数据进行对比分析,验证了所提出的估算模型具有良好的精度与稳定性。     

基于峰值计数与参数辨识的光伏组件阴影判定方法

针对光伏组件中阴影难以判定的情况,提出了一种基于峰值计数与参数辨识的光伏组件阴影判别方法。首先,通过可编程直流电子负载对光伏组件I-V输出特性曲线进行全局快速扫描,以记录曲线中明显的多峰值个数;然后采用改进人工鱼群算法(IAFSA)对I-V特性曲线中采样值进行内部等效参数辨识,结合均方根误差(RMSE)进而判断组件中轻微阴影遮挡情况。通过上述两步法可对光伏组件中阴影情况进行有效判定,仿真和实验结果进一步说明了上述方法的有效性和准确性。