光伏面板积灰及除尘清洁技术研究综述

针对光伏面板积灰、影响因素、积灰对面板转换效率的降低效应等问题,综述分析了国内外相关研究成果,总结提出了今后研究的主要方向.介绍了灰尘的来源及组成,着重综述了国内外关于光伏面板积灰形成过程及积灰引起的面板输出效率降低或太阳辐射透过率降低等研究文献,分析了面板倾角、风速风向、灰尘性质、环境湿度等主要因素对光伏面板积灰的形成和面板效率/太阳辐射透过率的影响.总结了基于灰尘性质、降尘、降雨等因素建立的积灰模型及其对面板效率的影响模型.介绍了目前常用的光伏面板清洁技术:电帘除尘和机械除尘.最后,总结了目前研究中存在的不足,并指出了今后应进一步加强积灰实验完整性、灰尘特性、积灰沉积机理、面板除尘清洁技术等方向的研究.     

光伏板除尘维护下的高速公路微电网容量规划

随着客流量的增加和电动汽车产业的快速发展,高速公路服务区用电量不断增长。因此,研究高速公路服务区微电网规划设计方法具有重要意义。本研究建立了一个光伏-储能微电网模型,并考虑到光伏电池板的除尘维护问题,以系统总投资和运行成本最小化以及微电网电量自洽率最大化为目标,采用快速非支配排序遗传算法（NSGA II）来解决多目标优化问题。根据光伏板除尘与维护成本、光伏板功率损失与积尘清洗周期之间的关系进行优化分析,得出545 W容量的光伏板最佳清洗周期为21天。通过应用遗传算法求解光伏板除尘维护优化模型,在系统年度综合成本中,光伏板除尘成本占比在5%～10%之间。基于NSGA II算法获得均匀分布且范围广泛的Pareto最优解边界,在实现40%、60%和80%电量自洽率时给出了微网中光伏-储能容量的最佳结果。该方法不仅可以有效利用高速公路上可开发的分布式光伏资源提升能源自洽水平,还可以提高高速公路服务区微电网系统可靠性,为高速公路服务区微网建设示范工程提供理论支持和参考。     

基于小世界模型的光伏板组件网络查询策略研究

为解决对光伏微网系统中光伏板组件的工作状态监控问题,将复杂网络中的小世界网络模型应用到对光伏板组件的性能参数的监测中。开展了对光伏板组件性能参数的跟踪查询分析,建立了由光伏板组件形成的拓扑结构与小世界网络模型之间的关系,提出了一种基于小世界网络模型的查询策略(Query WSN).对由光伏板组件形成的拓扑结构是否符合小世界网络模型的特性进行了评价,在NS-2及其扩展程序的仿真实验平台上对该查询策略进行了建模与仿真分析.通过单片机采集了光伏板组件的状态信息,同时对信息进行存储,并将其抽象为查询的节点,以逻辑关联作为长程连接,降低了网络的特征路径长度。仿真结果表明:Query WSN能够精确地查询光伏板组件的状态信息,同时具有良好的可扩展性,为光伏微网技术的推广应用奠定了基础。     

积灰对光伏组件输出特性影响建模与分析

灰尘沉积在光伏组件上严重影响光伏系统输出的稳定性,导致发电量降低的同时缩短了组件的使用寿命.准确地评估光伏现场积灰浓度,将有助提升光伏发电功率预测模型的精度.本文以光伏电站现场采集的灰尘颗粒为研究对象,首先分析了灰尘颗粒的元素组成、含量、形貌特征和粒径分布,根据光伏组件实际的发电效率和环境参数,建立了积灰浓度软测量模型...     

固定式太阳能光伏板输出功率的若干问题

针对太阳能光伏板输出功率受条件制约的问题,通过Matlab建立了倾斜放置的太阳能光伏板表面所接收的太阳辐射能的数学模型,并实测了太阳辐射能及光伏板的输出功率等数据,探讨了太阳能光伏板的最佳倾角和温度对光伏电板输出功率的影响。研究结果表明,太阳能光伏板在最佳季节倾角下,与水平放置的太阳能光伏板相比,其输出功率提高12%左右;同时,光伏板表面温度每升高10℃,功率减少5%左右。     

基于多传感器信息融合和多粒度级联森林模型的液压泵健康状态评估

液压泵健康状态评估对工程设备的运行状态监测有极其重要的意义,现有基于振动信号分析的方法数据来源单一、可靠性低,为此,提出了一种基于多传感器信息融合和多粒度级联森林模型的液压泵健康状态评估方法。通过试验系统采集了不同工作时间下液压泵的压力、温度、流量等信号,分别提取信号的时域特征组成初步特征。使用多个分类器获取初步特征的类别概率向量,将其与随机森林模型选出来的重要特征进行拼接形成最终特征,并使用多粒度级联森林模型进行健康状态评估。试验结果表明,所提方法在仅有5%训练比例的情况下分类精确率仍可达99.5%,可以有效提高液压泵健康状态评估的准确度。     

基于分层分块堆叠状态相关降噪自编码器的流程工业过程运行状态评价

本文针对不同运行状态数据差异度小、数据易受强噪声干扰而且具有多工序的流程工业过程，提出了一种基于分层分块堆叠状态相关降噪自编码器(HMSPDAE)的过程运行状态评价方法。首先，根据工艺特性对全流程进行层次结构划分。然后，提出一种堆叠状态相关降噪自编码器模型，用于提取各个子工序及全流程过程数据中与运行状态密切相关的深层特征，进而建立基于HMSPDAE的全流程评价模型。所提方法可以有效降低模型复杂度、增强模型的可解释性。最后，以湿法冶金过程为背景进行仿真验证，结果表明HMSPDAE在两个不同实验中的评价准确率分别达到99.5%和99.38%,均优于其他方法，验证了所提方法的有效性和优越性。     

型号项目技术成熟度等级的描述和演化

以型号项目技术成熟度为研究对象,从技术和技术成熟度概念入手,建立一个技术成熟度三维描述模型。该模型从技术状态、集成状态、制造状态和管理状态4个维度描述了对象、手段、活动、产品状态、环境5个元素及TRL1~TRL9 9个等级。在此基础上,总结技术成熟度等级之间的演化规律,为型号项目技术成熟度的管理提供有效支持。     

基于视频图像的光伏板污渍点两阶段检测技术

污渍导致的热斑现象会影响光伏板的使用安全和寿命,因此光伏板上污渍点检测结果的有效性对光伏板的及时清洗工作至关重要。基于此问题,提出一种基于视频图像的光伏板污渍点两阶段检测技术。首先检测出视频中存在的光伏板,然后以光伏板边框为界限,再在光伏板中检测污渍点,为光伏板的清洗提供可靠的污渍点信息,便于光伏板清洗设备的精准清洗。利用边缘拟合、连通域等图像处理技术分两步完成光伏板上污渍点的检测。实验结果表明:利用视频图像检测技术可以同时快速、高效、精准地检测到光伏板上的多个污渍点,为光伏板后续的清洗提供保障。     

基于堆叠有监督降噪自编码的运行状态评价

本文针对非线性和噪声干扰的工业生产数据，提出一种基于堆叠有监督降噪自编码(SSDAE)的过程运行状态评价方法。首先，提出一种有监督降噪自编码模型，将状态等级标签引入到模型训练中，使得有监督DAE学习与过程运行状态密切相关的特征并具备较强的状态等级区分能力。其次，利用由多个有监督DAE模型堆叠而成的SSDAE提取过程数据中与运行状态密切相关的深层特征，并作为SoftMax分类器的输入建立过程运行状态评价模型。最后，将所提方法应用于湿法冶金过程运行状态评价，仿真结果表明，对数据按30%比例随机置零的方式进行损坏后，该方法的评价准确率高达95%,明显优于其他几种比较方法，验证了所提方法在强噪声干扰条件下良好的性能和可行性。     

离网光伏电站的优化设计及工程应用

为实现系统能独立为光资源丰富的边远地区和海岛提供清洁、可靠的电力资源,解决离网光伏电站配置问题,提出一种基于供电可靠性和全寿命周期成本为优化目标的离网光伏电站优化设计方法。为精确计算系统的运行状态,建立了光伏发电系统模型和蓄电池充放电模型;为充分利用太阳资源,建立了光伏组件最佳方位角和倾角模型;为降低系统成本,建立了负荷缺电率和全生命周期成本模型;为全面了解离网电站发电量,建立了光伏系统效率模型。最后对具体案例进行优化配置、仿真分析,验证系统满足负荷用电需求。     

基于高速气流的光伏板表面灰尘去除分析与试验

针对灰尘对光伏板发电效率的影响,基于灰尘颗粒与光伏板表面之间的相互作用力以及颗粒本身所受的重力和空气浮力的分析,建立了灰尘颗粒在光伏板表面的黏附模型。通过分析灰尘颗粒在流场中的受力,建立了气流作用下的灰尘脱离力学模型,确立了灰尘颗粒脱离所需的气流速度与灰尘颗粒的粒径、密度以及光伏板表面材料特性参数之间的关系。设计了基于超级风刀的除尘试验方案,对取样区域内的灰尘颗粒样本进行冲扫去除。试验结果验证了理论模型的正确性,并证明了超级风刀产生的高速气流具有较好的除尘效果,能够最大程度地避免损伤光伏板表面,减小清洁除尘能耗。     

基于CBLRE模型的轴向柱塞泵空化状态检测研究

空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展，需要对柱塞泵的空化状态检测与智能故障诊断展开研究，因此，结合深度学习网络与非线性分类器的优点，提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先，对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强，并对其进行了标准化处理；然后，利用卷积神经网络(CNN)自动提取信号的特征，并对其进行了特征降维处理；利用双向长短期记忆(Bi-LSTM)网络学习特征序列的时间依赖性，利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类，实现了对柱塞泵的空化状态检测与智能故障诊断；最后，为测试CBLRE模型的性能，搭建了实验平台，在此之上将CBLRE模型与其他模型进行了对比，分析了该模型在不同工况下的性能表现。研究结果表明：该模型的结构稳定、训练时间短，且在不同负载下均可保持良好的泛化性能，空化状态识别率均达到99%以上，该结果验证了柱塞泵空化状态识别方法的有效性；此外，该模型还可有效识别空化现象与柱塞泵的其他故障。     

45钢椭圆孔板应力集中的应变率效应

含孔板的应力集中问题一直是结构安全评估的重要研究课题。许多学者研究了线弹性孔板在静态载荷下的应力集中问题,包括孔的形状,材料的各向异性和加载方向等因素的影响。然而,当孔板承受动态载荷发生塑性变形时,应力应变关系的非线性和应变率效应会导致应力集中与线弹性结果有明显的不同。因此,基于Johnson-Cook模型,对45号钢含孔板孔边的动态应力集中问题进行了系统的有限元分析。研究结果表明,塑性应力集中系数不仅取决于加载大小(应变)而且还取决于加载速度(应变速率)。给定远端应变1%,在平面应力状态下:圆孔板在应变率6)ε∞=20/s下的应力集中系数比应变率6)ε∞=0. 1/s下的结果高10%;对于形状因子(短轴/长轴)为0. 5的椭圆孔板,在应变率6)ε∞=20/s下的应力集中系数比应变率6)ε∞=0. 1/s下的结果高11%。     

基于LDA和支持向量机的微铣刀磨损状态识别研究

为提高微铣刀磨损在线监测的识别精度，尝试通过线性判别分析法（Linear Discriminant Analysis,LDA）对微铣削振动信号的时域和频域特征进行降维。然后将降维后的特征输入到改进型蚁群优化SVM模型，从而实现微铣刀磨损的特征分类。其中，改进型蚁群优化算法主要用来优化SVM模型核函数的两个关键参数，避免由于初始参数选择不合适而带来的局部最优和过拟合的问题。实验结果表明，提出的微铣刀状态识别方法能够准确识别微铣刀的各种磨损状态，对微铣刀磨损的其它状态识别方法具有一定的指导意义和借鉴价值。     

基于烟气差压的回转式空预器积灰实时监测研究

建立了基于气差压的回转式空预器积灰监测模型，利用易获取的DCS数据和煤质工业分析数据来监测积灰程度，经采集的实时数据验证可以反映空预器的积灰情况，能够实现空预器积灰的在线监测。     

光伏电站智能监控与预测性维护技术研究

本文主要从系统设计、关键技术研究和系统测试3个方面,系统研究了城市建设中太阳能光伏板布局的优化问题。在系统设计方面,提出了网络架构设计方案、光伏板转动控制系统设计方案以及光伏板角度检测系统设计方案,以实现对光伏系统的实时监控和性能优化。在关键技术方面,设计了高效的光伏板转动控制算法,开发了精准的光伏板角度检测技术,研究了光伏板系统之间的网络通信技术。在系统测试方面,对光伏板转动控制系统和网络通信系统进行了性能检验。研究表明,通过科学的系统设计、精准的技术研发和全面的系统测试,能够大幅提升光伏系统效率,最大限度地利用太阳能资源。     

基于S7-1200 PLC的步进电机位置控制

基于步进电机驱动原理，对步进电机驱动方式进行分析，提出了基于西门子S7-1200系列PLC的步进电机位置控制装置的电气系统硬件接线及软件设计。通过测试，该装置能对位置进行精确控制及状态监控，在光伏发电追光系统中可用于光伏板的控制，也适用于PLC运动控制教学实训，在自动化装置中有较好的推广价值。     

基于机器学习的轴承故障诊断研究

利用来自DC竞赛轴承故障检测数据集做了基于机器学习的轴承故障诊断研究。首先查看了轴承故障和正常状态的分布，然后利用XGBoost算法筛选出了20个核心建模特征，最后根据筛选出来的核心建模特征构建了随机森林、SVM和KNN3种机器学习模型，通过计算准确率、召回率、精确率、F1得分和ROC曲线下的面积（AUC）这5个性能指标来评估基于3种机器学习算法构建的预测模型在测试集上的预测效果。对比3个模型在测试集上表现的性能指标可以发现，基于随机森林算法构建的轴承故障诊断预测模型在AUC和准确率这两个核心指标上的评分都比其他两个模型高，它们的值都超过了90.00%，尤其是AUC达到了96.21%，效果最优。     

基于轴箱振动与动力学模型驱动的高速列车车轮失圆状态识别方法

针对高速列车车轮失圆识别难以兼顾效率与精度问题,提出一种基于轴箱振动与动力学模型的高速列车车轮失圆状态智能识别方法。首先,利用静态检测设备采集车轮非圆原始数据,提出一种数据增强技术构建车轮非圆增强数据集。其次,将增强数据集输入至高速列车车辆—轨道耦合动力学模型,获取车轮不同失圆状态下轴箱振动样本集。最后,通过构建恰当结构与配置参数的一维卷积神经网络(1-dimensional convolutional neural network,1-DCNN),可对轴箱振动信号进行自适应特征提取,实现对车轮失圆状态的智能识别分类。结果表明：提出的车轮失圆状态智能识别方法能实现正常车轮、多边形车轮、擦伤车轮、随机非圆化车轮与局部缺陷车轮5类车轮失圆状态的智能分类,准确率达99.2%(标准差为0.05),且单个样本平均识别耗时为0.4 ms。结合现场试验,所提方法对实测轴箱振动具有较好识别能力,测试精度为95%。与经典的SVM和BP神经网络相比,1-DCNN模型具有更高的识别准确度。