考虑环境遮挡影响的光伏阵列输出特性研究

随着全球资源的逐步紧缺,可再生能源的开发与利用受到了能源行业的大力重视,其中太阳能具有易于再生、能源清洁等优点,在电力等能源行业中发挥着巨大的作用。光伏发电系统通常地处偏僻,较易受到周围自然环境的遮挡等影响,可能导致其输出特性发生变化。为此,本文重点研究了阴影遮挡下的光伏阵列输出特性,为后续光伏发电特性分析奠定了理论基础。     

钙镁二元水合盐复合热化学储热单元的储热特性研究

针对热化学储热材料在系统中储热密度低的问题,基于钙镁二元水合盐MgCl₂/2CaCl₂和天然介孔材料硅藻土(WSS),采用真空浸渍法制备了具有正方形空气通道的钙镁二元水合盐复合热化学储热单元WSS7,WSS13,WSS20,并对其进行了孔结构、微观形貌、吸附动力特性和循环稳定性的分析;建立了具有正方形空气通道的钙镁二元水合盐复合热化学储热单元的一维热质耦合数值模型,并验证其模型的可靠性;数值模拟了钙镁二元水合盐填充的质量分数和入口空气相对湿度对该储热单元在开式热化学储热系统中储热性能的影响。结果表明,入口空气相对湿度的增加可有效提高钙镁二元水合盐复合热化学储热单元出口的最大温度、延长出口空气高温持续时间、提高其放热功率和储热密度;钙镁二元水合盐的质量分数的增加可以有效延长出口空气高温(>40 ℃)的持续时间,其中钙镁二元水合盐的填充质量分数为20.38%的WSS20具有较好的储热性能,其储热密度为416 MJ/m³,是WSS13的1.5倍,比较适用长周期的太阳能跨季节储热。     

光伏阵列故障诊断的可解释性智能集成方法

针对现有光伏阵列故障检测和诊断智能方法存在的泛化性不强、可解释性差的问题,提出了一种可解释性智能集成方法。对采集的光伏阵列输出时序电压、电流波形进行特征挖掘,并将多个已成熟应用于光伏故障诊断的智能算法作为不同基学习器与元学习器,构建结合不同智能算法优势且更具泛化性的Stacking集成学习模型;以沙普利可加性特征解释方法为总框架,并结合局部近似可解释性方法,对模型训练过程与结果进行解释分析,通过获取各特征的贡献、分析该集成模型的决策机制,并了解其如何进行诊断,提高其可靠度和可信度。算例实验结果表明,所提可解释性智能集成方法在不同规模数据集的测试中均实现了高精度的故障诊断,模型的可解释性结果表明由该智能集成模型建立的故障特征和诊断结果的映射遵循物理见解,增强了智能方法的可信度和透明性。     

基于孪生网络的自监督太阳能电池板裂纹检测方法

太阳能电池板的裂纹缺陷检测能够避免电能转换效率低,以及短路造成起火的损失。针对现存对比学习方法中存在 细微裂纹漏检导致检测精度低,并且严重依赖构建负样本等问题,提出了一种基于孪生网络的两阶段自监督裂纹检测方法。 第1阶段提出了一种基于卷积神经网络 (convolutional neural network,CNN)和 Transformer 的预训练编码器模型,通过孪生 网络架构学习样本的精细特征表示,提高对电池板细微裂纹的特征表示能力;第2阶段基于预训练模型在少量标注样本下学 习分类器以区分缺陷样本。为进一步区分不影响电池板功能的纵向裂纹,另增加了一个分类头进行判别。在 ELPV 数据集 上的实验结果表明,方法在测试准确度方面优于其他相关检测方法,在只对数据进行少量标注的情况下准确度达到83.26%, 单张检测时间为6.1 ms, 同时在裂纹图像中检出纵向裂纹的召回率也有76.7%。     

基于改进自适应粒子群算法的MPPT追踪系统

为优化最大功率点追踪（MPPT）技术的追踪精度和追踪时间,提出一种改进自适应粒子群算法（APSO）。对传统PSO算法进行优化,引入自适应惯性权重和非线性学习因子,使其在全局寻优-局部寻优-全局寻优状态下加速MPPT追踪,最后搭建光伏发电系统对自适应粒子群算法进行仿真验证。试验证明：相比于传统PSO算法,改进的APSO算法追踪精度更高,收敛速度更快。未遮挡环境（STC）恒温和变温下收敛速度提升了30.6%和39.2%,局部遮挡（PSC）恒温和变温下收敛速度提升了54.0%和53.7%,改进的APSO算法在PSC环境下更具优势;PSO算法最大功率稳定后占空比存在震荡现象,而APSO算法的占空比为稳定状态,提高了系统的稳定性能。     

近零能耗建筑太阳能应用水平评价研究

为应对能源短缺问题,近零能耗建筑成为一种主流的发展趋势.太阳能作为地球能源的主要来源,对其进行有效应用可以大幅度解决建筑能耗问题.研究了世界范围内6个基于太阳能综合应用的经典案例,从总体理念与具体实施两个层面出发,针对建筑供电、采光和室温调节三大用能系统总结出了一套太阳能应用评估指标,选取了25个国内近零能耗建筑案例评...     

简讯

德国太阳能发电规模占世界份额的55％,丹麦提速可再生能源技术的开发     

光伏太阳能电池生产废水处理技术研究进展

随着光伏行业的迅猛发展,硅太阳能电池板生产导致废水大量排放,其水质具有酸碱性强、氟离子浓度高、可生化性差等特点,使得光伏废水处理的难度较大。更为严格的污水处理排放标准进一步增加了光伏废水的处理难度。文章介绍了我国光伏行业废水达到不同排放标准的典型处理工艺,其中化学沉淀和混凝沉淀是常用的除氟预处理工艺,水解酸化+厌氧+好氧常用于去除COD和TN。阐述了光伏废水处理技术的发展趋势,为光伏废水工艺的优化和提标改造提供了参考。     

基于生成对抗网络的小样本光伏发电短期预测

光伏发电精准预测是光伏新能源合理调度的依据,然而新建光伏电站发电样本数据不足是降低预测精度的重要因素。利用数据增强算法对光伏发电样本进行扩充,是解决小样本光伏发电预测问题的重要方法,因此,提出一种基于WGAN(Wasserstein generative adversarial network)算法的数据增强方法和基于LSTM算法的小样本光伏发电预测方法。利用源域数据集训练WGAN算法并引入深度迁移学习算法对其训练参数进行迁移优化,完成小样本数据集高效扩充。通过Pearson系数对气象参数和发电量的相关性进行分析,对多气象参数权重进行赋值,利用实际发电值修正LSTM预测模型。公开数据集实验结果表明,该方法对小样本光伏发电预测准确性提升了33.4%,对新建的太阳能电站发电预测具有实际指导意义。