融合视觉特征的光伏组件语义分割模型研究

针对光伏组件红外图像的分割问题,使用MobileNetv2作为DeepLabv3+的主干特征提取网络并使用位置通道注意力模块减少背景干扰,引入混合条带池化对ASPP模块进行优化,帮助模型进一步捕获全局和上下文信息。针对检测困难的屋顶光伏组件设计DeepLabv3-T网络,在上述改进的基础上融入纹理信息进行选择性背景抑制,实现光伏组件的精确分割。在PV＿large和PV＿roof数据集上进行实验证明该文方法优于现有技术,DeepLabv3-T相较于DeepLabv3+,mIoU值分别提高了2.74%和10.53%。此外,设计消融实验表明各个改进模块的有效性。     

基于深度学习的甲烷高压射流湍流燃烧火焰图像处理方法研究

基于定容弹开展了高压天然气(甲烷)射流燃烧光学测试,并分别运用深度学习方法和边缘检测算法进行了图像处理。对比结果表明,由于图像中存在射流、火焰差异大的图像识别目标,边缘检测算法无法较好识别射流和火焰,该算法适合于单一目标的火焰图像处理。深度学习方法可识别射流湍流燃烧火焰轮廓,有效地获得射流湍流燃烧火焰前锋面发展位移及火焰传播速度,该方法适用于多个目标的火焰图像处理。根据深度学习图像处理结果表明:当高压甲烷射流接触预燃球形火焰时,火焰由稳定层流速度(<3 m/s)快速上升,最大火焰传播速度高达300 m/s,形成湍流火焰,火焰沿射流方向快速向前发展,火焰面积增加。随着射流和点火时间间隔的增加,最大火焰传播速度线性下降。     

基于UE-Net6的无人机遥感影像城市地表水提取方法

针对利用高分辨率、背景复杂、波段少的无人机遥感影像提取城市地表水的方法少且提取精度不高等问题,采用深度学习法,构建了不同深度的U-Net网络模型(5、6、7层)提取城市地表水,对比发现U-Net6模型效果最优;同时,为避免神经元失活和模型过拟合现象,采用ELU代替ReLU并引入Dropout正则化对U-Net6网络进行改进,进而提出了一种以ELU为激活函数、网络层数为6的基于无人机遥感影像的城市地表水自动提取方法—UE-Net6方法,从而实现了复杂背景下水体信息的精确提取。为验证所提方法的优越性,试验选取同样的训练集与测试集,分别对经典U-Net、SegNet、FCN及UE-Net6模型进行对比试验。结果表明,UE-Net6方法的水体提取精度明显优于其他模型的提取精度。     

基于改进Unet的分布式光伏建筑物高精度分割方法

针对屋顶光伏资源评估中难以准确高效地获取建筑物屋顶区域的问题,该文提出一种基于Unet的FPN＿AttentionUnet语义分割网络,用于实现建筑物屋顶的高精度自动提取。该网络融合Soft-Attention注意力机制和双层特征金字塔FPN以提取准确的语义信息,精细化分割结果。Soft-Attention注意力机制用于处理和连接编码部分与解码部分的特征图;双层特征金字塔FPN融合解码部分不同尺度的特征图来获取不同尺度的特征信息。采用无人机获取苏州某区域上空的建筑物数据集和武汉大学WHU公开数据集分别进行训练,训练结果表明：与Unet、AttentionUnet、FPNUnet网络相比,该文提出的FPN＿AttentionUnet在建筑物外轮廓提取中具有更高的精度,有效提高边缘提取效果。在自制数据集中类别像素准确率CPA达95.56%,平均交并比MIoU达91.10%,在WHU公开数据集中分割效果同样优于其他对比网络,所提算法能够有效提升建筑物外轮廓边缘的分割精度。最后以河海大学常州校区为例,利用提出的算法从无人机图像中分割建筑物,评估指定区域的光伏发电量与光伏组件安装潜力。     

基于Cu2O光阴极的光电催化CO2还原研究

光电催化CO₂还原制备碳氢燃料是缓解当前能源和环境危机的潜在策略。现阶段,光电极的构建依然是光电催化CO₂技术的关键点。由于Cu基催化剂具有低成本、高C2+选择性、高稳定性等适宜CO₂还原应用的特性,构建新型Cu基光电极仍是CO₂还原研究领域中研究热点。本文从P型Cu₂O光阴极入手,系统研究了电沉积工况与光电催化CO₂还原反应之间构效关系。研究结果表明,在恒温环境中,施加0.5 mA/cm²恒电流密度可获得结晶度良好的Cu₂O光阴极,并实现C2产物的合成。其中,乙醇的选择性可达5.3%。本文研究结果可为设计和制造具有高活性的光电催化CO₂还原光电阴极提供可行策略。     

上转换材料TiO2∶Er3+/Yb3+/Li+的制备及其在玻璃盖板中的应用

采用溶胶凝胶法和旋转镀膜法制备Er³⁺/Yb³⁺/Li⁺掺杂TiO₂胶体和薄膜,确定上转换材料最优制备方案为n(乙酰丙酮)∶n(C₁₆H₃₆O₄Ti∶H₂O)∶n(异丙醇)∶n(Er(NO₃)₃·5H₂O)∶n(Yb(NO₃)₃·5H₂O)∶n(LiNO₃)=1∶3∶9∶70∶0.12∶0.60∶0.15(物质的量之比),水的滴加速率为10 s/滴,溶液pH值为2～3,溶胶呈透明均匀淡黄色。吸收光谱在近红外区峰值明显。可见光透光率最高可达94.42%,较普通玻璃提高1%～2%。光伏组件通过光电转换效率测量系统进行检测,玻璃盖板镀膜后光伏组件的光电转换效率从16.5%升至17.2%,增加约0.7%。研究结果表明,该薄膜可提高玻璃盖板透光率,扩大光伏组件光谱吸收范围...     

基于深度学习的SCC工作性能预测技术

基于深度学习技术研究了一种在自密实混凝土(SCC)出机前根据拌合物图像信息预测其工作性能的方法。录制了25组不同工作性能的SCC搅拌过程视频,按坍落扩展度、T₅₀₀实测值并结合目测将其划分为合格、流动性不足及离析三种工作性能,通过将视频分帧处理为图像集,采用图像分类和目标检测两种方法建立深度学习模型,通过模型对拌和物图像特征的学习及训练,完成对SCC工作性能的预测。结果表明,图像分类和目标检测两种方法在验证集上均可达到98%以上的准确率,可为实时调整配合比进而实现SCC智能化提供参考。     

竹炭对水中Pb2+的去除效果研究

采用振荡平衡法,研究4种不同粒径竹炭对水中Pb2+的去除效果。结果表明,Pb2+在竹炭上的吸附符合Freundlich和Langmuir方程;竹炭对Pb2+有很强的吸附能力,竹炭粒径越小,对Pb2+的吸附能力越强。     

改性西瓜皮生物炭对废水中Pb2+的吸附研究

以西瓜皮为原料制备生物炭（WM）吸附水中的Zn²⁺,再将吸附后的生物炭进行二次热解,制得WM-Zn并用于吸附水中的Pb²⁺。研究表明,WM-Zn对Pb²⁺ 的吸附容量（163.84 mg/g）高于WM的吸附容量（87.64 mg/g）。利用X射线光电子能谱（XPS）、傅里叶变换红外光谱（FTIR）、元素分析（EA）、X射线衍射（XRD）、吸附比表面测试法（BET）和Zeta电位对生物炭进行了表征,发现WM-Zn表面孔结构的扩大和官能团的增多均有助于Pb²⁺ 的去除,WM-Zn对Pb²⁺ 的吸附可归结为官能团络合、静电吸附、物理吸附和沉淀作用。此外,WM吸附Zn²⁺ 和WM-Zn吸附Pb²⁺ 均符合Langmuir等温吸附模型和拟二级动力学模型,表明吸附过程是以单分子层吸附为主的化学吸附。在吸附-解吸循环实验中,WM-Zn在第6次循环中吸附量可达到87.36 mg/g,表明WM-Zn吸附具有良好的可重复性。     

可见光响应负载型Er3+∶YAlO3/TiO2-SAC光催化剂的制备及其性能研究

为使TiO2能在可见光下发挥其于紫外激发的高光催化活性,且易于从处理废水中分离,采用溶胶-凝胶法将TiO2与掺杂稀土离子Er3+的上转换发光剂Er3+∶YAlO3结合再负载到球形活性炭(SAC)表面,制备可见光响应的负载型Er3+∶YAlO3/TiO2-SAC光催化剂并对其进行表征。以甲基橙为目标污染物,研究了制备的催化剂在可见光下催化活性,并探讨不同Er3+∶YAlO3/TiO2的负载方式、负载量等制备条件对光催化剂活性的影响。结果表明,结合方式为Er3+∶YAlO3/TiO2烧结后与SAC在乙醇介质中混合并进行30min磁力搅拌、以Er3+∶YAlO3/TiO2与SAC质量比为1∶4时制备的光催化剂活性最高,甲基橙的脱色率在240min可达97%以上。     

基于发动机性能试验的CO2排放模型分析

在“双碳”目标指引下,为确定汽车企业的碳排放水平,对单一发动机CO₂排放计算方法开展分析。基于发动机性能曲线,通过插值模拟法构建单一发动机CO₂排放模型,实现单一发动机CO₂排放的量化计算。以5台某国六重型柴油机为研究样本,采用5种插值模拟法,计算发动机在全球统一稳态循环(WHSC)工况与全球统一瞬态循环(WHTC)工况下的CO₂排放量。同时,根据稳态工况与瞬态工况的计算精度差异,分析不同插值模拟法对不同发动机工况的适应性。分析结果表明：在稳态工况下,最近邻插值法的计算偏差最大,不同插值模拟的瞬态工况偏差基本一致,相对偏差均在5%以内;5种插值模拟法都可以很好地应用于CO₂排放的量化计算。     

基于时空注意力-Seq2Seq模型的多风电机组多步风速预测算法

针对在多风电机组风速预测任务中,卷积运算不适用于提取排布不规则的多风电机组空间相关性的问题,提出一种基于时空注意力-Seq2Seq模型的多风电机组多步风速预测算法。首先使用空间注意力机制强化风速序列的空间相关性,并对常规空间注意力机制进行改进;之后使用Seq2Seq模型中的编码器进行编码;最后使用结合时间注意力机制的解码器计算多风电机组的多步预测结果。以河北市某风电场的实际数据为算例进行实验,结果表明相比其他对比算法,所提算法的平均绝对误差下降约4.3%～15.0%,精度有较大提高。     

基于GMM-LSSVR模型的脱硫出口SO2浓度预测方法研究

采用燃煤机组脱硫系统原始非高斯数据建立的单一出口SO₂质量浓度预测模型精度较低,泛化能力较差,针对该问题提出一种基于高斯混合模型-支持向量回归(Gaussian Mixture Model-Least Squares Support Vector Regression, GMM-LSSVR)的建模方法。采用高斯混合模型(GMM)将训练集数据聚类为多个高斯数据集,对每个对应的子集建立独立的最小二乘支持向量回归机(LSSVR)训练模型。在此基础上,估计测试集数据属于每个种群的概率并对测试集进行聚类,将每个子集输入到对应的LSSVR模型中完成预测。现场数据实验表明：采用GMM聚类后每个子集的概率密度不规则波动幅度减小,数据高斯性增强;GMM-LSSVR建模方法测试集均方根误差(RMSE)、平均绝对误差(MAE)和可决定系数(R²)较单模型LSSVR方法有较大改善,具有更好的预测精度和泛化性能。     

基于时间序列的国际CO2减排效果评价方法

企业为响应国家CO₂减排政策,在积极寻求碳达峰,碳中和路径的过程中,了解国际CO₂减排效果是十分必要的。在此背景下,研究一种基于时间序列的国际CO₂减排效果评价方法。在完成一轮评价指标选取的基础上,利用DEMATEL方法计算评价指标的中心度和净影响程度,以此实现第二轮指标选取。利用改进熵权法计算指标权重。按照时间顺序,选取指标数值并组成指标时间序列,以此为输入并结合权重,基于时间序列构建评价模型,得出国际CO₂减排效果评价值,对比划分等级,得出CO₂减排程度。结果表明：3个地区的CO₂减排效果在初期差别并不大,之后评估值均呈现上升的状态。其中地区1的减排效果一直处在领先状态,从减排效果很差上升到了减排效果好的程度。地区2的减排效果评估值在前4年要大于地区2的减排效果评估值,在第4年开始评估值增幅减缓,直至第5年落后于地区3,最终减排效果只达到一般,而地区3的减排效果在第5年时达到较好程度,甚至接近了最高状态。     

基于超临界CO2循环的地热与太阳能混合系统研究

超临界CO₂循环可以耦合较低温度的地热和较高温度的太阳能热组成混合热源发电系统。相比能量分析方法,火用分析方法更便于分析混合系统对提高能量利用率的作用,以及识别造成可用能损失的设备和过程。115℃地热和200℃地热分别与采用槽式聚光集热技术的太阳能热组成混合热源,构成简单回热超临界CO₂循环。分析结果表明：混合系统的火用效率比单纯太阳能热的循环系统提高了5% ~ 10%;太阳能聚光集热器的?损失最大,占80%以上,其次是除预冷器以外的各类换热器以及透平;相比之下,压缩机和预冷器的火用损失较小。减少?损失的关键是提高太阳能聚光集热器和换热器的性能,包括提高集热管运行温度,以及提高换热器效能。     

基于S-CO2的强化壳管式蓄热单元传热性能优化

为了了解壳管式蓄热单元的传热性能,提出了一种强化壳管式蓄热单元传热性能的优化方法。对不同的换热流体(HTF)进行优质选择,并基于回归正交试验对相变蓄热单元结构参数进行优化。结果表明：回归方程满足试验的显著性和失拟性检验,验证结果与计算结果的相对误差在1%以内;采用800℃、20 MPa的超临界二氧化碳(S-CO₂)和管径比为0.666 3的组合形式最优;优化后的蓄热单元获得的最高储热量为2 674.52 kJ,比优化前增加约39.5%,传热速率范围从1.76 kW降到0.007 kW。     

基于超临界CO2朗肯循环的太阳能光热发电系统分析

基于太阳能光热发电原理,提出加装回热系统的发电系统模型,结合朗肯循环,以超临界CO₂作为工质,系统分析进气温度、进气压力对发电系统效率的影响,研究回热系统的热经济性。结果表明：低压状态下进气压力对发电系统循环效率的影响较大,高压状态下进气温度对发电系统循环效率的影响较大;压力增大时,发电系统效率先增后减,温度增加时,发电系统效率保持增加;与无回热系统相比,加装回热系统能够明显提升发电系统循环效率;发电系统的不可逆损失随着压力的升高而降低,随着温度的升高而升高,为基于超临界CO₂朗肯循环的太阳能光热发电提供参考。     

基于AuMgO@TiO2球壳的光热协同反应耦合集热研究

实验室前期搭建太阳能有序转化系统,利用太阳辐射高频波段合成碳氢燃料,低频波段转化为高品质热能。基于该系统,制备Au和MgO负载的TiO₂球壳材料,进行光热协同反应转化CO₂和H₂O,同时结合集热层利用导热油集热,结果表明,H₂、CH₄、CO产量分别为30.1、3.2、30.9μmol/g,系统集热效率可达39.85%。实验结合表征显示,球壳结构、Au和MgO共负载可提高材料光吸收,增强光热性能,降低电子空穴对复合率,产生氧空位,促进光热协同反应还原CO₂。     

基于改进INFO-Bi-LSTM模型的SO2排放质量浓度预测

针对火电机组SO₂排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weighted mean of vectors, INFO)算法与双向长短期记忆(bi-directional long short term memory, Bi-LSTM)神经网络相结合的预测模型(改进INFO-Bi-LSTM模型)。采用Circle混沌映射和反向学习产生高质量初始化种群,引入自适应t分布提升INFO算法跳出局部最优解和全局搜索的能力。选取改进INFO-Bi-LSTM模型和多种预测模型对炉内外联合脱硫过程中4种典型工况下的SO₂排放质量浓度进行预测,将预测结果进行验证对比。结果表明：改进INFO算法的寻优能力得到提升,并且改进INFO-Bi-LSTM模型精度更高,更加适用于SO₂排放质量浓度的预测,可为变工况下的脱硫控制提供控制理论支撑。     

基于碳捕集与液态CO2储能的综合能源系统优化调度

针对综合能源系统在新能源消纳方面的不足,提出一种基于碳捕集与液态CO₂储能的综合能源系统。首先,分析了液态CO₂储能实际运行特点以及碳捕集装置综合灵活运行方式的“削峰填谷”特性;其次,建立考虑液态CO₂储能与碳捕集装置不同运行方式的综合能源系统;最后,以系统总运行成本最小为目标函数建立优化调度模型,并通过负荷率、能源利用率等评价指标衡量调度结果。算例分析表明,该优化模型可提高能源利用率,缓解系统调峰压力,实现系统运行的经济性和低碳性。