-
针对分布式光伏发电受气象条件影响显著、分时电价波动与储能调度相互耦合造成运营收益不稳定的问题,本文在原有长短期记忆网络(Long Short-Term Memory,LSTM)时序预测与深度 Q 网络(Deep-Q-Network,DQN)优化框架基础上,构建注意力增强 LSTM(LSTM-Attention)预测—离散动作 DQN 调度的闭环模型.预测端以辐照度、环境温度、组件温度、历史直流功率及时间特征为输入;决策端将预测功率、本地负荷、储能荷电状态、购售电价和天气状态作为状态量,将充放电功率离散为 5 个可执行档位,并在荷电状态(State of Charge,SOC)边界、充放电效率、功率上限、并网限额和电池衰减成本约束下最大化日运营收益.两座分布式光伏电站的运行数据按时间顺序划分为训练集、验证集和测试集,归一化参数仅由训练集估计,平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)仅在日间非零功率样本上计算.实验结果表明,LSTM-Attention 的平均绝对误差(Mean Absolute Error,MAE)为 3.339 kW、均方根误差(Root Mean Square Error,RMSE)为4.223 kW、R2 为0.966、日间MAPE 为2.518%;在40组电价、天气和储能容量组合场景中,DQN 相较贪婪策略的平均收益提升为20.22%,峰值提升为 23.76%.结果说明,预测信息、储能工程约束与长期回报优化的协同建模能够提高分布式光伏运营决策的稳定性和经济性.
分布式光伏LSTM预测DQN优化系统运营模拟收益最大化
-
针对光伏组件在多环境因素作用下性能衰减呈现显著区域差异,进而影响系统发电效率的问题,提出一种基于区域环境聚类与累积损伤理论的综合评估方法.通过分析光伏组件性能衰减机理,利用HDBSCAN算法对不同区域特征进行聚类,建立了多环境因素耦合影响下的性能衰减模型,并结合实际运行数据进行性能衰减率预测与PVsyst仿真验证.研究表明,上海、重庆、济南和西宁的组件年均性能衰减率分别为1.25%、1.32%、1.19%和0.94%,相对误差较传统方法降低31%～78%,显著提高了性能衰减预测精度,实现了对不同区域光伏系统发电效率的可靠评估.
光伏组件环境耦合区域聚类性能衰减发电效率
-
针对光伏组件覆尘热斑图像中局部细节与全局分布难以同步捕捉的问题,提出一种基于混沌粒子群优化的光伏组件覆尘热斑图像多尺度特征提取方法.采用高斯模糊降噪与空间域线性增强对图像进行预处理,结合改进FCM算法聚类与高斯最小二乘拟合,实现热斑区域划分;利用改进的混沌粒子群算法评估粒子多样性,优化特征提取路径;采用加权双向特征金字塔网络重复融合特征,挖掘不同尺度特征价值.实验结果表明,该方法的热斑检测准确率达77.9%、正常区域检测准确率为93.7%、平均精度均值达85.3%;浮点运算次数仅6.84 GFLOPs,计算效率较高;热斑位置检测结果与原始图像高度一致,P-R曲线震荡相对较缓.该方法能够在保证低计算复杂度的同时,有效提升热斑检测的精度.
混沌粒子群优化光伏组件覆尘热斑图像多尺度特征提取
-
针对光伏场站监控图像在复杂光照条件下易因细节缺失而导致异物识别困难的问题,本文提出一种结合图像增强与目标检测的异物遮挡检测方法.首先,采用亮度归一化、伽马校正和局部对比度增强对监控图像进行预处理,以改善亮度分布并增强细节信息;其次,构建基于改进目标检测算法(YOLO)检测模型的异物识别方法,实现对树叶、塑料袋及鸟粪等遮挡物的自动检测;最后,实验结果表明:在测试数据集中,图像峰值信噪比由 18.7 dB 提升至 24.6 dB,结构相似性提高至 0.83;异物检测平均精度均值(mAP)达到 0.88,较传统检测方法提高约 16％,说明该方法能够显著提高复杂光照场景下光伏组件监控图像的识别能力.
光伏场站复杂光照图像增强异物遮挡检测YOLO
-
[目的]针对分布式发电领域光伏发电的最大功率点跟踪问题,提出基于智能优化算法的控制方法.[方法]探讨的牛顿-拉夫逊优化算法主要分为牛顿拉夫逊搜索规则和陷阱避免算子的引入,经过局部强化学习策略和变螺旋搜索策略改进后将其应用于光伏发电最大功率追踪问题.在三种实验环境下进行仿真,每种仿真环境设置了三次参数变化以改变光伏组件的最大发电功率,将改进后的算法与传统以及常见的最大功率控制技术在仿真结果中进行对比.[结果]结果表明本控制方法具有较好的全局收敛能力、收敛速度表现和鲁棒性.
光伏发电最大功率点跟踪牛顿-拉夫逊优化算法局部强化学习变螺旋搜索
-
针对局部阴影条件下TCT拓扑结构光伏阵列行间电流失配和输出功率降低问题,提出一种基于分组交叉移动(GIS)的静态重构方法.该方法首先根据偶、奇数列不同,将每列后一半组件分别反序交叉放置于前一半组件的前、后,然后首列组件位置不变,再将其他列中组件分别向下移动一定的行数,从而实现对局部阴影的更优分散.选取 2 种光伏阵列形式和 5 种局部阴影类型,对GIS、SDP和OEC重构方法的优化效果进行对比分析.通过绘制阴影分布图和计算行电流可知,采用GIS重构方法可使受阴影遮蔽光伏组件更加均匀地分布于不同的行中,有效减小行间电流差值,并减少行电流的种类.在MATLAB/Simulink软件中搭建光伏阵列发电系统模型,基于仿真结果绘制光伏阵列输出特性曲线并计算性能指标.结果表明,在绝大多数局部阴影情况下,采用GIS重构方法不仅能够有效提高输出功率,还可以减少功率输出特性曲线上的峰值个数,为后续最大功率点跟踪控制创造良好的条件.
光伏阵列静态重构局部阴影分组交叉移动TCT结构输出功率
-
针对传统巡检方法效率低、热斑识别不准和缺陷定位精度不足等问题,本文提出了一种基于无人机红外成像的光伏电站智能巡检方法.利用非制冷型红外微测辐射热计实现组件温度场成像,通过自适应动态阈值算法实现热斑区域自动分割与缺陷识别,并结合无人机姿态和相机标定参数完成图像坐标与地理坐标的空间映射,从而实现缺陷的精准定位.实验结果表明,该方法的检测准确率达95.1%,巡检时间较人工方式缩短约 85.9%,定位误差控制在±0.25m 以内,有效提升了光伏电站巡检的智能化与高效化水平.
无人机红外成像光伏电站巡检方法电站巡检
-
针对光伏组件边缘微裂纹存在阶梯状畸变,导致红外成像连通域提取不完整、热图像质量与检出率偏低的问题,提出一种融合灰度共生矩阵的光伏组件边缘微裂纹红外热识别方法.通过高斯滤波预处理和Canny边缘检测提取关键像素级分割域,结合局部二值模式(LBP)与灰度共生矩阵(GLCM)提取温度与纹理特征,构建8维温度特征向量和8维纹理特征向量,并输入独立分类器进行决策加权融合,以综合判定微裂纹的存在概率,有效识别被对流换热效应掩盖的微裂纹.试验结果表明:该方法提取的关键分割域光滑且噪声少,纹理特征熵与实际值高度一致,边缘微裂纹检出率最高可达98%.
灰度共生矩阵光伏组件微裂纹温度特征纹理特征红外热成像
-
山地光伏电站地形破碎、组件排布不均,现有清洗设备作业适应性差、行驶稳定性不足,对此,提出了一种含复铰链的平面九杆光伏清洗机器人构型,并进行了机构运动学性能校验与坡面动力学响应测试.实验显示:该九杆架构具备720.5～1 550.0 mm升降与10°～85.俯仰调节能力;其在30.坡面高负载工况下,主关节峰值驱动力矩稳定在1 610 N.m左右,较同等臂长的串联式机械臂平均降低了 26.8％.结果表明,研究所提出的含复铰链九杆机械臂构型不仅能有效解决传统悬臂结构刚度差的难题,还能显著提升崎岖地形下的抗倾覆能力,为山地光伏智能运维提供了高能效的数据支持与机械解决方案.
光伏清洗机器人九杆机构复铰链运动学分析稳定性
-
矿区及其周边区域已成为地面光伏开发的重要承载空间,但其下垫面破碎、热力差异显著、风沙扰动强烈,决定了光伏系统设计不能仅以发电效率为目标.光伏板倾角、安装高度、行列间距等几何参数通过改变辐射截获、板下通风、地表受光和近地层流热过程,直接影响组件热工状态、局地微环境及系统功率输出.现有研究多分别聚焦光伏生态影响、CFD模拟或功率预测,对"几何参数—微环境—功率响应—布局优化"这一技术链条缺乏系统整合.基于此,围绕不同日照时长和太阳高度角条件下矿区光伏阵列倾角、安装高度及相关布局参数,系统综述 CFD多物理场耦合模拟、近地微环境响应、局部生态气候要素与功率时序预测以及多目标布局优化等方面的研究进展,归纳矿区场景下的关键作用机制、主要研究方法和现存问题.总体来看,矿区光伏系统优化应由单一发电最优转向发电性能、微环境调控与生态安全协同优化;构建"机理模拟—时序预测—布局优化"一体化研究框架,是推动矿区光伏系统精细化设计和动态运行优化的关键方向.
矿区光伏倾角安装高度计算流体动力学微环境功率预测布局优化
