面向平板结构钙钛矿太阳能电池的金属氧化物综述

作为平板结构钙钛矿太阳能电池的电荷传输层，金属氧化物薄膜对器件性能有重要影响. 系统性概述平板结构钙钛矿太阳能电池对金属氧化物薄膜形貌、电学、光学、化学及热等物理特性要求，并对目前在高效钙钛矿太阳电池制备中最有前景的金属氧化物电子传输层及空穴传输层材料特性及代表性工作进行总结. 针对大多数金属氧化物迁移率低、表面缺陷多及能级匹配差的问题，分析元素掺杂、表面改性、复合薄膜设计等手段解决的相关进展. 总结目前金属氧化物薄膜沉积技术现状及优缺点，探讨今后薄膜沉积技术发展、改进方向. 对低温沉积金属氧化物薄膜在柔性器件方面的应用进行展望.     

一种光伏发电的太阳能资源日变化分析方法

太阳能资源评估是太阳能资源开发利用的基础,针对我国现行的太阳能资源评估标准以长期观测数据为稳定性分析对象,无法满足电力行业对太阳能资源变化特性的实际要求,提出一种太阳能资源日变化分析方法,并以北京地区为例,首先研究了不同时间尺度太阳能资源变化特征,再结合光伏电站接入电网的相关规定,利用太阳辐射日变化分析参数K′分析了晴天、多云、阴雨等典型天气条件和连续30d的太阳能总辐射日变化情况。结果表明,太阳能资源日变化分析方法能够反映1d中太阳能资源的稳定程度,对光伏发电的规划和设计具有一定的参考意义。     

无钴黑色陶瓷颜料的研究及应用现状

介绍了无钴黑色陶瓷颜料的应用、呈色机理及分类情况，综述了国内外用化工原料、矿物原料和工业废渣制造无钴黑色陶瓷颜料的研究进展及应用。     

灰尘导致的光伏电站发电损失的对比实验

对地面光伏电站的2个采取不同清洁策略方阵的运行数据和辐照数据分成上午数据和下午数据,分别进行处理和分析.介绍去除数据集中的异常数据和不可信数据的预处理的方法.之后,对比组串的发电数据,发现了2个方阵中发电异常的2个组串.为了研究清洁增益的效果,计算不同太阳辐照度下2个方阵的功率比值.发现对于不同的辐照度,清洁增益的效果...     

基于小波分析与神经网络的光伏电站功率预测方法

针对光伏电站输出功率时间序列表征出来的周期性非平稳特性,提出一种基于多尺度小波分解和神经网络相结合的光伏功率预测方法。将光伏电站输出功率时间序列在不同尺度上进行小波分解,得到逼近信号和多层细节信号。利用神经网络逼近非线性函数的能力,选择理论计算太阳辐照强度和气象环境逼近信号作为逼近信号神经网络模型的输入,选择气象环境细节信号作为细节信号神经网络模型的输入。输出结果叠加合成得到原始光伏电站输出功率序列预测值。算例分析表明,该文提出的将光伏电站输出功率时间序列分解为周期性逼近信号和准平稳细节信号,并分别采用神经网络建立预测模型的方法保证算法的收敛性和预测精度。     

工艺参数与铬铁矿系无钴黑颜料呈色性能关系的研究

介绍了铬铁矿系高温黑颜料的合成工艺，研究了氧化物化物的不同配比、球磨时间、合成温度、保温时间对颜料呈色和晶相结构的影响，从而确定了此系颜料的最佳工艺条件。     

有机溶剂对正硅酸乙酯水解制备二氧化硅微球的影响

以Stober法为基础，采用醇作溶剂，使正硅酸乙酯在氨水催化下水解缩聚，再经一定的后处理得到了一系列平均粒径在120～1140nm之间的二氧化硅微球，并对样品进行了扫描电镜表征。研究发现溶剂醇的种类对微球的粒径和分散性有非常显著的影响，并对其形成机理进行了探讨。     

聚乙烯吡咯烷酮硫脲修饰CdS纳米粒子的制备

用硫脲为表面修饰剂,并用PVP(聚乙烯吡咯烷酮)为稳定剂在乙醇水溶液中合成了粒径分布均匀、性能稳定、有机物修饰的CdS纳米颗粒.重点分析了硫脲的引入对CdS纳米粒子晶体结构、粒径分布、紫外可见吸收光谱、红外光谱、光致荧光光谱(PL)的影响.发现硫脲修饰使得CdS纳米粒子的粒径更小,粒径分布更加均匀,并且有效地抑止了PVP对CdS荧光淬灭,在PL光谱上观察到了CdS的带隙发光.     

硅基、非硅基介孔材料的研究进展

通过对近年来人们所合成的各种硅基、非硅基介孔材料的介绍,比较了不同介孔材料在合成、应用等方面的优缺点,并简述了其将来的发展前景。     

模糊C均值聚类在光伏阵列故障样本数据识别中的应用

光伏电站由数量庞大的光伏组件构成,因复杂的生产工艺及艰苦的工作环境,光伏系统直流侧故障频发,直接影响到光伏系统的发电效益。如何从光伏阵列的运行数据中提取有效的故障样本,并对其进行识别,是建立故障模型的重要步骤。因此提出一种基于模糊C均值(fuzzy C-means,FCM)聚类算法对故障样本进行划分及标识的方法。首先对故障条件下光伏阵列的输出特性进行分析,提取出故障特征向量(开路电压U_oc,短路电流I_sc,最大工作点电压U_m,最大工作点电流I_m)。为排除外部激励条件对电气参数的影响,将故障特征向量统一转换至标准测试条件(standard test condition,STC)。最后根据FCM算法良好的模糊信息处理功能,对开路故障、短路故障、阴影故障、异常老化故障的样本进行聚类划分。实际运行数据证明,该方法可以精确、可靠地对光伏系统直流侧典型故障的样本进行智能聚类,并有效地描述不同故障下光伏阵列电气参数的分布特征。