图像识别在可移动太阳能发电装置上的应用─基于阴影区域光强检测

在对比分析了无阴影环境与有阴影环境下图像特点的基础下,提出了一种适用于阴影环境,通过摄像头寻找最强光照和最弱光照区域的算法,躲避光强弱的区域,趋向光强较强的区域,从而提高太阳能发电的效率。研究结果表明,该方法能快速、准确地寻找到附近接受太阳光照最强的区域。     

直流电机控制与速度检测系统

以STC89C52单片机作为控制器,采用L298N芯片作为电机控制芯片,选用S177霍尔元件传感器,并用T测量法,设计了直流电机控制和速度检测系统。该系统能对电机的转速和转向进行实时控制,能同步显示电机转速与转向。系统具有控制灵敏,速度检测准确,电路简单易行的特点。     

多应力下电能计量设备基本误差预估

针对典型环境应力下电能计量设备基本误差受环境应力影响大,且多电应力间关系难以刻画的问题,提出一种改进粒子群长短时记忆网络(IPSO-LSTM)的电能计量设备基本误差预测方法。首先,对典型环境下多种应力数据进行归一化、数据集分配预处理;针对误差时序数据波动趋势,构建一种挤压LSTM网络结构以分析误差数据的变化趋势特征,以改善多应力数据下的模型非线性拟合能力;利用改进PSO算法对模型超参数进行寻优,减少模型超参数影响,增强模型预测效果。在实验部分,依据某公司的多个电能计量设备,结合新疆地区典型运行试验室测量的环境应力及其误差数据对所提出算法进行验证分析。结果表明,本文的样本预测精度指标RMSE分别达到1.08%和1.19%,MAE分别达到0.88%和0.96%。     

基于多融合贝叶斯变零值维纳电能表退化研究

针对高干热、高海拔与高严寒等典型环境应力下智能电能表退化趋势难以刻画的问题,提出了一种基于多融合贝叶斯变零值维纳的智能电能表退化研究方法。首先,对各公司的多个电能表样本基本误差与环境应力分布规律进行多维分析,选择合理先验分布;然后,采用多融合贝叶斯网络模型融合各种环境应力对多款电能表的退化趋势影响,并在此基础上建立变零值维纳退化模型;利用马尔可夫链蒙特卡洛方法实现非共轭条件下的模型参数求解后,通过比对分析多个模型预测结果及其置信区间,验证本文变零值维纳退化模型的适用性和优越性;最后,结合逆高斯分布,分析智能电能表的可靠度。结果表明,所建立模型能够准确分析典型环境下智能电能表随时间的退化趋势,适用于典型环境条件下智能电能表基本误差预测。