新能源环境下的太阳辐射预测系统

太阳能具有清洁、普遍、储量巨大、可再生的特点,在减轻环境污染、改善能源结构、缓解能源危机等方面具有重要作用,但地表太阳辐射同时受太阳辐照强度与大气层状况的影响,输出功率存在间断性和随机性等问题,所以为了提高太阳辐照度预测的准确度与稳定性,解决电力领域的发电效率问题,提出了一种以卷积神经网络(CNN)结合长短期记忆神经网络(LSTM)为基础的太阳辐射预测模型,用于太阳能发电站的配电预测。最后使用风云四号高分辨率卫星的观测数据对模型进行了验证,并与长短期记忆神经网络(LSTM)和递归小波神经网络(RWNN)进行了比较。试验结果表明,所提出的预测模型在平均绝对误差(MAE)和均方根误差(RMSE)上均优于其它模型。

基于双分支特征提取的太阳辐射预测方法

针对太阳辐射预测过程中气象特征复杂、时序特征难以充分利用而导致光伏功率出力扰动的问题,提出一种基于双分支特征提取的太阳辐射逐日预测方法。气象分支采用多尺度卷积神经网络提取动态变化的多维气象特征;时序分支使用双向门控循环网络初步提取时序特征,将学习到的双向时序特征输入门控循环网络进一步学习其潜在规律;基于注意力机制自适应地赋予各分支合适的权值,优化多尺度卷积的提取操作和气象、时序特征的融合过程。经过实验验证了该预测方法的准确性和有效性。

Flyback开关电源近场磁辐射预测与抑制

为了研究Flyback开关电源主电路产生的磁场辐射的分布和特性,提出了一种时域计算开关电源磁场辐射对敏感回路造成的感应电压的简便方法,通过建立Flyback电源的高频电路仿真模型,分析了主电路寄生电感、电容形成的谐振及其对磁场辐射的作用。推导了敏感回路磁感应电压的简化预测算法,并对磁场分布进行了分析。最后提出了金属平面镜像抵消、主电路寄生参数控制等改善措施。仿真与实验结果验证了所提预测方法的正确性与有效性。

舰船水下爆炸噪声辐射预测数学建模方法研究

舰船水下爆炸噪声会产生大量辐射,形成噪声污染,影响水下环境,传统的数学建模方法预测准确性差,容易带来错误信息。研究了舰船水下爆炸噪声辐射预测数学建模方法,构建了反射变换器预测模型,阐述了预测原理,介绍了数学建模流程,通过实验验证了该方法的准确性。实验证明,给出的数学建模方法能够根据声音、图片等多种信息有效预测舰船水下爆炸产生的噪声,判断噪声大小、噪声类型,绘制出噪声波形,帮助工作人员做出防范噪声污染的有效措施。

基于辐射预测的太阳能平面接收器安装角度优化

以北京54511气象观测站的太阳辐射数据为基础,分别用该气象站2003年实测太阳辐射数据、Elman神经网络预测得到的2003年太阳辐射数据和标准气象年太阳辐射数据,以斜面上累计太阳辐射总量最大为目标,分别计算太阳能平面接收器的最优安装角度,得到了3种情况下月最优安装角度、全年最优安装角度、夏半年以及冬半年最优安装角度.以按实测数据求解所得结果为基准,进行比较.结果表明,按神经网络预测数据计算的最优安装角比按标准气象年数据计算的结果更为理想.

基于时变双重压缩因子PSO的太阳能辐射预测资料同化模型研究

针对PSO在特定同化过程中的精度低及噪声干扰下的鲁棒性差的问题,该文将时变双重压缩因子PSO算法应用于含不连续"开关"过程的变分资料同化中,建立一种新的同化模型,并与动态权重PSO算法在同化结果、同化时效性和鲁棒性上进行了比较,结果表明:时变双重压缩因子PSO变分同化结果的精度明显优于动态惯性权重PSO,在观测误差以及模式误差的敏感性实验中也展示出其更强的鲁棒性。

3D辐射方向图在电磁辐射预测中的应用

针对民众对电磁环境安全的需求,通过对原电磁辐射预测公式进行分析,引入3D辐射方向图函数修正原有预测模型,经过预测计算分析,该预测模型可以更加准确描述移动基站空间电磁辐射分布及变化。

基于可解释性深度学习的太阳辐射强度预测

准确预测太阳辐射强度(SI)对电力调度和光伏选址至关重要。随着高性能计算机和大容量存储设备的发展,基于数据驱动的深度学习模型在SI预测领域获得广泛关注,然而,深度学习模型的“黑箱”特性在物理解释性上的缺失,限制了其在特定场合的应用可信度。为了在保持预测精度和模型结构不变、不增加计算复杂度的前提下,提升模型的可解释性,构建了一个基于长短时记忆(LSTM)神经网络的模型。其性能比传统神经网络提高了8.07%,并展示出更优的离群点处理能力。通过采用分层相关传播(LRP)算法,从时间和空间2个维度对影响模型输出的因素进行了评分,增强了模型的可解释性。研究结果表明:该模型在确保性能的前提下,具备良好的可解释性,其中历史辐射强度、时间相关特征(如时日周月)、太阳高度角信息(如日出和日落时刻)、云层覆盖度、辐射时长、温度和露点温度等因素是影响太阳辐射强度预测的主要因素。

基于分位数映射法的太阳能精细化分布评估及长时预测

太阳能资源的高效开发和利用对人类减少化石燃料的消费及温室气体的排放具有重要意义,为进一步加强东北地区尤其是哈尔滨市区域太阳能资源的高效开发,精细化分布评估和长时预测必不可少。选取国际耦合模式比较计划第六阶段(CMIP6)的数据集,利用分位数映射法,对研究区域未来30年太阳辐射数据进行降尺度处理,从而获得高分辨率太阳辐射数据;根据预测数据分析太阳辐射强度时空分布规律,评估太阳能资源丰富度及稳定性。结果表明:未来30年太阳总辐射呈缓慢的下降趋势,2020—2029年太阳能资源最丰富;总辐射量和日照时数呈现西多东少的分布,尤其是西南区域太阳能资源最富裕,整个区域都达到太阳能资源很丰富的水平,太阳能资源稳定性高,具有很大的开发潜力。

基于机器学习的PINMAP封装电磁辐射抑制研究

探讨利用机器学习方法预测PINMAP封装的辐射。首先,为解决全波仿真方法在计算封装电磁辐射时的时效性问题,构建的卷积神经网络(CNN)模型在5 GHz以上频率实现了小于2%的平均相对误差,且预测时间达到毫秒级,显著提高了封装远场辐射的计算效率。其次,为了解决封装设计中的辐射抑制问题,引入了逆向结构设计网络以达到辐射预期。该网络融合逆向Transformer与正向CNN的级联架构,优化了网络的收敛性和预测准确性。最后,开发了一种接地焊球位置优化方案来优化封装结构并抑制辐射,通过微调接地焊球的位置,设计了多个新的封装模型,并使用已训练的CNN模型进行辐射预测,从而选出辐射抑制效果最佳的优化模型。并通过实例分析验证了这些方法的有效性,这两种辐射抑制技术在缓解越来越小型化的电子设备的电磁兼容问题上具有广泛的应用前景。

小波分析在太阳辐射神经网络预测中的应用研究

通过小波变换将太阳辐射数据序列分解到不同的时频域上 ,并对每一频域分量建立一个递归BP网络模型 ;然后用网络模型对各频域分量进行预测 ,将各预测结果进行代数叠加 ,从而得到太阳辐射的预测结果。为体现近期预测结果在精度上的相对重要性 ,在递归BP网络的权阈值修改算法中 ,引入了折扣系数法。最后 ,通过对上海太阳日总辐射的预测实例表明 ,该方法在预测太阳辐射时是可行的。

基于孪生网络的天空图像辐射照度预测

辐射照度是影响太阳能输出的主要途径之一,对太阳能发电并网后输出功率的稳定性有重要影响。当辐射照度快速变化时,电网受到冲击并破坏外部整体的稳定运行,因此获得短时间内辐射照度的变化趋势对电网的实时调整具有重要的作用。基于此,利用天空图像,提出了一种基于孪生神经网络的超短期辐射照度预测方法。将相邻一段时间间隔的天空图像分为一组,两组图像分别送入权值共享的孪生神经网络中提取特征向量,以映射一段时间内的天空变化,然后将特征向量,与输入的天空图像相对的两组的辐射照度,与实时照度一起进入全连接层得到预测结果。经数据集验证,在使用不同的主干网络进行对比后,ResNet-34展示出较好的预测性能,具有一定的推广价值。

基于等效过程小波神经网络的太阳逐日辐射能量实时在线预测模型

针对太阳逐日辐射能量时间序列的强非线性和非平稳性,采用神经网络结合傅里叶变换和小波多尺度分解,等效建立太阳逐日辐射能量小波过程神经网络实时在线预测模型,使其具有更多的自由度和更强的非线性逼近与随机性估计能力。以重构相空间的嵌入维数作为网络输入的傅里叶变换点数长度,避免输入量选取的任意性造成信息丢失的问题;通过小波多尺度分解,使其在不同尺度上表现出准平稳性,并以此确定网络隐层节点数;通过综合太阳逐日辐射能量、日照时数百分比和云量的时间序列数据对预测模型进行训练,仿真结果表明,该方法能实时有效在线递推预测太阳逐日辐射能量。

电力电容器辐射噪声预测的快速边界型等效源方法

电力电容器的噪声控制问题越来越受到重视,准确高效的辐射噪声预测可以为降低电力电容器的辐射噪声水平提供参考。为此,提出一种可以用于电力电容器辐射噪声预测的快速边界型等效源方法。该方法通过将等效源点直接布置于结构表面,规避了等效源点的位置选取问题;还采用快速多极方法对求解过程进行加速处理,显著提高了噪声预测效率并降低了存储量;另外采用Burton-Miller型单双层混合势方法克服了计算过程中可能遇到的解的非唯一性问题,进一步提高了噪声预测的稳定性和准确性。数值算例验证了该方法的正确性与求解效率,以及在电力电容器组的辐射噪声预测这类大规模实际工程问题中的巨大潜力。

基于改进LSSVM的太阳辐射量预测

为准确预测太阳辐射量,提出一种基于变分模态分解和粒子群优化算法的最小二乘支持向量机组合预测模型。针对太阳辐射量序列具有不稳定性的特点,首先利用变分模态分解将历史太阳辐射量数据分解成一系列相对稳定的分量序列,再应用粒子群优化最小二乘支持向量机参数,以预测各分量序列,将各分量太阳辐射量预测值集成,从而得到最终太阳辐射量预测值。实例分析和对比研究表明,该模型预测太阳辐射量有效可行,具有较高的预测精度。研究成果可为太阳辐射量预测提供参考。

用频装备带内多频电磁辐射阻塞干扰效应预测方法

为解决用频装备复杂电磁环境效应准确评估的技术难题,从电磁辐射信号耦合传输的基本理论出发,推导揭示了射频前端线性不良和动态范围不足分别是导致用频装备电磁辐射效应对带内多频电磁辐射干扰场强有效值、幅值敏感的本质原因。在此基础上建立了2类用频装备的带内多频连续波电磁辐射效应模型,提出了通过正弦调幅波(调制深度100%)、单频连续波电磁辐射临界干扰场强有效值之比(Eame/Esine)确定受试装备电磁辐射敏感类型的方法。Eame/Esine>0.9时,受试装备对干扰场强有效值敏感,0.612<Eame/Esine<0.9时,受试装备对干扰场强幅值敏感。通信电台带内双频、三频电磁辐射效应试验验证表明:所提建模预测方法的误差小于10%,能够有效预测用频装备带内多频连续波电磁辐射效应。

基于全天空成像仪的光伏电站水平面总辐射预报

准确地水平面总辐射预测是进行光伏功率预测的前提,对提高光伏发电消纳能力具有重要意义。文章基于地基云图观测,建立了云图遮挡复原和畸变还原算法,以及分类型的云团分类识别与运动预测算法,最终实现对水平面总辐射的预测。为验证提出的算法,利用南京市浦口区2012年6月的TSI-880全天空成像仪和地面总辐射计观测数据对水平面总辐射进行预测。结果表明该方法具有较高的预测精度,能够有效地预测由云遮挡造成的辐射跳变过程。

辐射技术在橡胶硫化中的应用

介绍了橡胶辐射硫化研究的发展；橡胶辐射硫化的特点及其应用领域。国内橡胶辐射硫化的状况和国外橡胶辐射硫化工业化的规模。

瓦斯流动对电磁辐射频谱的影响

制造了大直径密封缸体,建立了瓦斯气体流动及电磁辐射测试的实验系统,用傅里叶变换对不同压力梯度和不同种类瓦斯气体在煤体中流动时电磁辐射的频谱进行了分析。结果表明,瓦斯气体流动产生的电磁辐射频带一般在较低频带,瓦斯流动时电磁辐射的主频带基本随压力梯度的升高而增大。压力梯度越大,瓦斯流动速度越高,对煤体的破坏作用越强,动电效应也越明显,裂隙振荡的频率也越高,从而产生的电磁辐射也越强,频率也越高。