改进的YOLOv3-Tiny网络在风机叶片损伤检测中的应用

为了解决YOLOv3-Tiny对无人机采集的风机叶片图像损伤检测精度不高的问题,提出一种基于深度学习的风机叶片图像损伤检测方法。首先提出一种跨越式特征联合网络结构,由卷积层和拼接层构成,将不同深度的特征信息进行融合再学习,提取目标多层级特征信息;其次引入Inception模块结构,其中4个平行通道的多个卷积核对输入的特征图进行组合和压缩,在减少网络的学习参数的同时更好地表征图像特征信息,提高小目标的检测精度。实验表明,改进后算法的检测精度提高了2.69%,在自制的数据集中mAP可以达到88.58%,并且模型的参数缩小了4倍。因此,改进的方法比传统的YOLOv3-Tiny网络具有更好的检测效果。研究结果可为基于图像的损伤检测和风机叶片损伤智能识别提供参考。

风电场运维管理体系实践

针对我国风电行业不同型号设备运维标准不一致、风电场安全性评价体系发展滞后等问题,提出一套基于标准化的风电场运维管理体系,强化风电场安全把控,实现本质安全。实践结果表明,在该管理体系下,风电场安全生产水平全面提升,风电场经济效益明显提高,实现了大规模、多类型风电机组风电场的高效运维管理。

“风光”科普 扮靓冀北

＂科普＂就是用浅显易懂的方式把深奥的科学道理讲给普通公众,说起来容易,做起来可不是一件容易事!在清洁能源领域搞科普更是＂前无古人＂的新鲜事,需要的科普人才不仅要具备过硬的新能源专业技术水平,还要有能够把深奥的知识通俗易懂地讲出来的能力。风光储公司从日常接待的点滴经验抓起,结合自身优势,探索建设风光储科普新阵地。

考虑混合储能主动参与风光储电站的功率分配与调频策略

针对风光储场站中新能源出力波动及负荷扰动导致系统功率和频率变化的问题,提出多场景下混合储能协调控制策略。首先,针对混合储能过度充放的问题,提出混合储能功率分配策略,该策略通过模糊控制对低通滤波器的时间常数进行自适应调整,基于超级电容的荷电状态(state of charge,SOC)分为5个区域,每个区域根据SOC的变化实时调整时间常数,一定程度上保证了超级电容充放电的合理性;其次,针对混合储能主动支撑风光储场站频率问题,对混合储能逆变器采用虚拟同步机(virtual synchronous generator,VSG)控制,并对转动惯量和阻尼系数进行自适应调整,降低系统因功率扰动造成的频率最大偏差;最后,在PSCAD/EMTDC中搭建风光储场站的仿真模型,通过设置多个场景验证所提策略的有效性。