基于深度学习的航拍光伏板红外图像热斑检测方法研究

针对光伏电站光伏板热斑故障难以检测的问题,结合无人机巡检技术,提出一种基于深度卷积神经网络的光伏板热斑快速检测方法。首先设计了光伏板识别模型,将Yolov4主干特征提取网络替换成轻量级网络MobileNetV2,并将PAnet网络中标准3×3卷积替换为深度可分离卷积,实现了将光伏板快速从红外图像中识别出来。为快速识别热斑并解决光伏板反光噪声问题,将MobileNetV2网络引入DeeplabV3+模型中,改进由于下采样造成的目标缺失,并将交叉熵损失函数修改为Dice损失函数来进一步提高分割精度。试验结果表明,该方法能够准确识别光伏板热斑,光伏板识别准确率为99. 56%,检测速度为22. 1帧/秒。光伏板识别后的热斑分割准确度达到95. 99%,交并比mIou达到85. 58,检测速度为24. 5帧/秒,该方法能够满足光伏板故障检测的需要。     

分布式光伏电源接入对配电网影响

如今,电力能源已然成为世界发展中最重要的能源之一,世界各国大力发展经济,电力需求进一步增大。分布式能源的出现为解决这一棘手问题带来了新的希望,同时可再生清洁能源的综合利用更加符合现代化建设中的环保要求。其中,光伏发电单元是现在研究者关心的热点问题,其并网过程中可能对配网的电能质量带来较大的影响,所以研究光伏并网对其配网本身电压分布情况的影响具有重要的实际应用意义。     

含光伏电站的电力系统低频振荡广域阻尼协同控制方法

大规模新能源接入电网增加了弱阻尼振荡模式被激发的风险。首先,考虑同步发电机和光伏的动态特性,建立了详细的小信号模型,分析了光伏对低频振荡模式的影响,提出了含光伏电站的电力系统低频振荡广域阻尼控制架构,实现光伏-同步机协调阻尼控制;然后,以特征值分析结果为依据,提出了广域阻尼控制参数的优化模型,并对控制参数进行优化整定;最后,在PSCAD/EMTDC平台中搭建了含光伏电站的四机两区域系统电磁暂态仿真模型,验证了所提广域阻尼控制方法的有效性。     

基于BP神经网络与改进粒子群的光伏MPPT算法

针对光伏阵列在环境突变情况下尤其是局部阴影下的多峰值现象,提出一种基于反向传播(BP)神经网络与改进粒子群的最大功率点跟踪(MPPT)算法。该算法利用BP神经网络近似定位最大功率点,并利用对粒子群算法中的惯性权重值进行非线性动态优化后的改进粒子群精确定位最大功率点。仿真结果表明,复合算法可以更好地跟踪最大功率点,有效避免前期易陷入局部极值的问题,提高了精度,减小了功率振荡。     

光伏功率扰动下的水电机组海鸥优化模糊PID控制研究

光伏发电机组输出功率的随机性和波动性影响着供电系统的安全稳定运行。为了提高水光供电系统的频率稳定能力,根据水轮机调速系统的数学模型,结合海鸥算法的寻优能力和模糊控制的推理能力,提出基于海鸥优化模糊PID（SOAFPID）控制的水电机组控制策略,使其能够快速调节光伏和负荷波动引起的系统频率偏差。通过搭建Simulink仿真模型,分析其在不同扰动工况下的频率稳定能力。仿真结果表明：与传统PID控制方法相比,采用SOAFPID控制的水电机组在光伏和负荷功率扰动下具有更小的超调量和更快的稳定速度,在水光供电系统中表现出了优越的动态调节性能。     

基于CPSOGSA算法的风-光-小水电微电网负荷频率 最优 鲁棒控制

在构建以新能源为主体的新型电力系统背景下,分布式光伏呈现高比例渗透趋势。光伏出力的波动性易引起配电网电压越限和三相不平衡问题,同时光伏逆变器的剩余容量又具有无功主动支撑作用,有利于改善电压质量。而且配电网阻感比大、电压与有功耦合明显,导致配电网电压受光伏有功无功的综合影响而更加复杂。从电压适应性角度研究配电网接纳三相和单相分布式光伏的承载能力。首先,按统计学原理分别建立最大值、期望值和众数值等反映电压质量的统计特征指标,并从光伏渗透率和接入分散程度两方面描述分布式光伏的接入特征。其次,基于历史天气数据构建典型日场景,考虑光伏主动参与无功支撑作用,运用随机模拟分析得出各节点电压质量统计指标。最后,采用AHP-CRITIC组合赋权法分别对电压偏差和不平衡指标进行一定的加权组合,综合反映电压适应性。应用OpenDSS软件进行算例分析,结果验证了所提方法的有效性。     

光伏快速充电站配电变压器端电能质量综合控制研究

针对光伏快速充电站将光伏发电与电动汽车快速充电站有机结合,在充分发挥清洁能源优势和大量提升充电效率的同时所带来的电能质量扰动类型复杂、变化快速等问题,提出了一种基于串并联组合配电网柔性交流输电(distribution flexible AC transmission system, DFACTS)的新型电能质量补偿器的电能质量综合控制方法。深入研究了新型电能质量补偿器主电路拓扑,建立起了动态工作模型。详细分析了新型电能质量补偿器线性自抗扰控制方法的工作原理,设计出线性自抗扰控制器。并针对各DFACTS控制器间的交互影响,提出多DFACTS控制器的协调控制策略。最后搭建仿真模型,进行仿真验证。仿真结果表明,所提出的新型电能质量补偿器采用线性自抗扰控制方法相比传统PI控制方法,提高了电能质量扰动快速变化时的综合补偿能力和动态响应能力。并且验证了该协调控制能有效提高系统电压稳定能力,具有良好的可行性和有效性。     

基于模糊故障树的光伏并网微型逆变器故障识别方法研究

为缩短光伏并网微型逆变器故障提取时间、提升采样精度和效率,基于模糊故障树研究光伏并网微型逆变器故障识别方法。首先利用模糊故障树方法对光伏并网微型逆变器进行故障映射,建立故障底事件与顶事件之间的联系,然后通过小波包变换提取光伏并网微型逆变器故障特征,最后通过构造SOFTMAX光伏并网微型逆变器故障多分类器,实现对光伏并网微型逆变器故障的识别。设计仿真实验,结果证明,在有功功率为3000W-12000W的范围内该方法的采样时间较短,且采样精度和采样效率较高,在光伏并网微型逆变器故障识别方面具有优越性能。     

带谐波补偿的T型三电平并网逆变器控制研究

为了提高光伏逆变器并网电流质量,鉴于有源滤波器的控制算法,提出了一种新型的带谐波补偿的T型三电平并网逆变器控制策略。首先,采用锁相环分析电网电压矢量相位角,并根据光伏阵列输出的功率计算光伏并网逆变器的基波输出电流。然后,通过自校正滤波器技术提取网侧负载谐波电流。最后,根据基波输出电流与负载谐波电流确定T型三电平光伏并网逆变器的开关导通序列。为验证该控制策略,搭建了基于Matlab/Simulink的仿真模型。仿真试验结果表明:该控制策略可有效改善网侧谐波电流,提高并网电流质量,在不增加设备的前提下实现光伏并网与有源滤波双重功能。该研究对于T型三电平逆变器在光伏并网及电能质量治理领域的推广应用具有重要价值。     

High‐Performance Piezoelectric Nanogenerators with Imprinted P(VDF‐TrFE)/BaTiO3 Nanocomposite Micropillars for Self‐Powered Flexible Sensors

Piezoelectric nanogenerators with large output, high sensitivity, and good flexibility have attracted extensive interest in wearable electronics and personal healthcare. In this paper, the authors propose a high‐performance flexible piezoelectric nanogenerator based on piezoelectrically enhanced nanocomposite micropillar array of polyvinylidene fluoride‐trifluoroethylene (P(VDF‐TrFE))/barium titanate (BaTiO₃) for energy harvesting and highly sensitive self‐powered sensing. By a reliable and scalable nanoimprinting process, the piezoelectrically enhanced vertically aligned P(VDF‐TrFE)/BaTiO₃ nanocomposite micropillar arrays are fabricated. The piezoelectric device exhibits enhanced voltage of 13.2 V and a current density of 0.33 µA cm^?2, which an enhancement by a factor of 7.3 relatives to the pristine P(VDF‐TrFE) bulk film. The mechanisms of high performance are mainly attributed to the enhanced piezoelectricity of the P(VDF‐TrFE)/BaTiO₃ nanocomposite materials and the improved mechanical flexibility of the micropillar array. Under mechanical impact, stable electricity is stably generated from the nanogenerator and used to drive various electronic devices to work continuously, implying its significance in the field of consumer electronic devices. Furthermore, it can be applied as self‐powered flexible sensor work in a noncontact mode for detecting air pressure and wearable sensors for detecting some human vital signs including different modes of breath and heartbeat pulse, which shows its potential applications in flexible electronics and medical sciences.