基于融合SIFT算法的光伏电站安监图像精准识别技术研究

随着我国“双碳”工作的不断推进,光伏电站的规模逐渐扩大。为解决光伏电站图像安防技术中存在的拍摄角度、光线影响大,识别准确率低的问题,提出了一种基于SIFT的光伏电站图像安防技术。通过SIFT算法提取光伏电站图像特征点,解决了光线、角度带来的识别误差问题;通过卷积神经网络方法准确的识别了光伏电站车辆、人员、动物、积雪等安防问题。该方法在某光伏电站进行应用,其光伏电站图像安防识别准确率平均为99.7%。所提方法能有效提高光伏电站图像安防识别准确率。

光伏组件发电故障诊断方法研究

实现光伏组件快速准确的故障诊断是保证光伏发电系统安全高效运行的重要前提。在分析光伏发电系统主要故障产生原因及其对光伏组件运行参数影响的基础上,对比分析目前国内外光伏电站常用的故障诊断方法及其特点。根据光伏电站结构及运行数据特点,采用主元成分分析法建立针对光伏电站组件的故障诊断模型,并通过某光伏电站实际运行数据进行验证。同一光伏场站各光伏组件的运行数据具有较强的时空相关性,诊断模型选取逆变器两侧功率、电压和电流等具有强关联性的参数进行建模。结果表明,主元成分分析法能快速有效地识别运行异常的光伏组件。

综合能源服务项目多场景优化运行模式评价

稳定充足的综合能源供应是综合能源服务项目关注的一个指标,本文在现有文献3种优化模式基础上,用运行成本、综合供能损失率、失能惩罚损失、新能源占比、新能源消纳率5个指标重构经济型优化运行模式、环保型优化运行模式和节能型优化运行模式的评价体系,得到3种优化运行模式下5个指标的最优值,运用AHP为5个指标设置主观权重,结合仿真结果对3种优化运行模式进行综合评价。主观权重评分中,综合供能损失率的权重最大,失能惩罚损失处于中间位置。3种优化运行模式的仿真结果都表明新能源占比还有提升空间。项目评价者可根据这5个指标,判别综合能源服务项目的运行模式。

考虑碳减排效益的光伏电站经济性建模及评估

受新能源平价上网政策影响,光伏电站发电收益不断触碰瓶颈,光伏电站碳减排效益受到越来越多关注。考虑光伏电站碳减排开发成本和碳减排效益的基础上,采用全寿命周期建模方法,从成本、效益及其评估3个维度出发,建立考虑碳减排效益的光伏电站全寿命周期经济性评估模型。基于该模型,通过实例分析碳减排效益对光伏发电项目经济性的影响,并对影响光伏发电效益的关键因素进行敏感性分析。研究成果可为考虑碳减排因素的光伏发电项目投资决策提供理论支撑。

800m以上水头三机式抽水蓄能机组研究

我国的资源禀赋的特点是富煤、贫油、少气,促使我国的能源结构主要以化石能源为主。在“双碳”目标的指引下,以非化石能源为主体的新型能源体系必然是未来大势所趋,光电和风电成为新型电力系统下新能源的主力军,但光电和风电存在随机性和波动性,对电网的冲击相对较大,再加之新能源的定价机制还在探索中,所以出现了弃风、弃光等情况。为高效吸收消纳光电、风电等未来供电主力,避免新能源的浪费,保障电网安全。抽水蓄能水电站必然是未来储能主力,而三机式抽水蓄能机组有着更为独特储能优势,包括适用水头更高、水头变幅更宽、响应电网更快、工程造价更低等。本文就结合光电和风电的实际情况,探讨光电和风电作为供电主力下的储能新方案,三机式抽水蓄能机组高质量消纳新能源的研究和探索。

基于改进YOLOv5的输电线路走廊滑坡灾害识别

随着我国大规模输电线路网络的发展建设,部分输电线路不可避免地需要穿越地质复杂、易发生滑坡区域,滑坡灾害会严重威胁输电线路的安全稳定运行,针对上述问题,提出一种改进YOLOv5(YOLOv5-BC)深度学习滑坡灾害识别方法,引入BiFPN结构替换PANet提高多层特征融合能力,引入CIoU替换GIoU损失函数,使最终预测框更接近真实框,提升预测精度。实验结果表明,算法在滑坡数据集上较YOLOv5、Faster-RCNN算法准确率均具有显著优势,可以满足实际应用需求。

视频分析技术应用于光伏电站巡检的理论与实践

光伏发电是太阳能利用的主要形式,其发电过程无需燃料消耗也无污染物排放,同时实现了节约能源和保护环境的双重目标,而且光伏发电的应用形式比较灵活,电站建设周期短且管理维护方便,因此具有非常广阔的应用前景。此次设计的基于人工智能算法实现场站光伏电站室内外设备、环境智能巡检,同时实现光伏电站的安监与管理。本文介绍光伏电站智能巡检集成系统以及涉及的目标检测和深度学习算法,最后展示设计的光伏电站智能巡检集成系统的各项功能。

川西高原超高海拔光伏电站积尘分析

光伏组件在户外应用时,其发电性能容易受到环境中各种因素的影响,其中光伏面板上的积尘是一个严重的挑战。积尘对光伏组件输出特性影响的研究,除体现在光和电的管理方面外,积尘的材料组成,以及其和光伏面板之间的作用机理也非常重要,另外还需因地制宜,对不同典型气候及地理环境下的积尘做具体的分析。川西高原平均海拔超过4000 m,年日照为2000~2600 h,具有丰富的光伏应用资源,是四川省发展光伏产业的主战场。该地区干湿季节分明,立体气候明显,早晚温差大,雪霜冻多见,全年有7个月为旱季。该文以该地区的光伏电站为例,调研当地的地理环境、气候特点,实地采集光伏面板上的积尘并用专门的材料表征技术对积尘的成分、粒径、结构等一系列物理化学特征进行分析,并有针对性地分析光伏面板灰尘沉积的机理。该研究所得结果有力地支撑该地区光伏电站的除尘策略与清洁运维。

论光伏电站机器人巡检替代人工巡检的可行性

针对全面提升光伏电站运维管控业务数字化、信息化、智能化水平。设计了一套基于人工智能算法的软件集成平台,集成现场巡检、值班、安防等数据,综合智能巡检机器人、智能值班机器人、智能安防机器人功能,实现光伏电站的智能巡检、安监与管理。本项目将深度学习目标检测算法和语义分割算法应用到光伏电站设备智能巡检、环境、人员智能监测方面,建立满足光伏电站智能巡检需求场景的多目标检测模型,极大地降低了传统光伏电厂巡检巨大的人力物力开支,满足了光伏电厂实际应用中的非现场监管的需求,具有示范作用和推广价值。

分布式能源在5G基站中的应用分析

5G基站的快速建设对基站供电电源系统提出了更高的要求,传统的基站供电方案逐步被淘汰,对新型供电方案的探索十分紧迫。近年来,分布式能源的逐渐成熟给5G基站供电系统带来新的机遇与挑战,成为5G基站供电、备电方案的新方向。通过分析分布式能源在5G基站中的应用,促进5G基站的高效建设。

改进CNN的风力机叶片故障诊断方法

针对图像分辨率低的风力机叶片图像会导致故障诊断过程中精度和速度降低等问题,提出了一种基于小波变换、深度可分离卷积和卷积块注意力机制模块的轻量级改进VGG-19模型;使用DB4小波和基于形态学的增强技术来提高风力机叶片图像的质量,然后将VGG-19中的传统卷积层替换为深度可分离卷积层,以减少网络参数的数量并提高训练效率,最后引入卷积注意力机制模块(Convolutional Block Attention Module, CBAM)来提高风力机叶片故障诊断的准确性;研究结果表明:所提模型的准确率为93.91%,与其他传统卷积神经网络(Convolutional Neural Networks,CNN)模型LeNet、AlexNet、GoogleNet、ResNet-50和VGG-19相比分别提高了15.06%、8.57%、3.10%、-1.13%和7.13%;测试时间为每幅图像0.046秒,较传统CNN模型每幅图像分别减少了-0.004秒、-0.002秒、0.006秒、0.015秒和0.010秒的检测时间;该模型结构轻巧,相比于其他传统CNN具有更高的准确性和更快的检测速度。

高原地区太阳能清洁供暖技术的应用潜力分析

随着全球环境问题的日益严重,清洁能源的应用日益受到关注。太阳能作为一种可再生、清洁的能源,具有广阔的应用前景。尤其在高原地区,太阳能清洁供暖技术具备巨大的应用潜力。高原地区太阳能清洁供暖技术的应用潜力巨大。充分利用高原地区丰富的日照资源,利用太阳能进行供暖,可以大大减少能源消耗和碳排放,实现供暖方式的可持续性和环保性。通过推广和应用太阳能清洁供暖技术,不仅能够为高原地区的居民提供舒适的供暖条件,还能够促进经济发展和环保产业的兴起。

智能机器人在建设现场安全管控中的应用

随着现代社会的发展,建设工程的技术和安全管理方法也在发生着变化,在建设工地现场的安全管理中,更多智能化、自动化、集成化的智能化机器人的引入,可以有效地对建筑工地的安全工作进行有效的辨识,并对风险因素进行判断,实施目标明确的安全管理工作,本文以智能机器人在建设现场应用的重要性出发,并对其在建筑工地的安全生产中的应用方式进行了深入的探讨,为智能机器人在建设现场良好应用提供必要保障。

电力企业能效管理的策略分析

阐述电力企业能效管理提质增效的实践策略,多平台数据融合、建立能效分析模型、运行数据实时监测、完善能效管理体系、探讨AI智能运维,增强精细化管理能力。