基于人工智能的大型光伏电站风险预控技术研究

基于光伏阵列正常组件的稳定运行状态中的数据,引入深度学习中的长短期记忆网络LSTM,以电流测点作为特征,建立光伏阵列电流测点的时序预测模型。建模过程中,调整各个参数优化模型来保证预测的准确性。基于预测结果建立报警规则,实现光伏阵列有效及时的异常预警。最后以某光伏电站的历史数据为例,进行了算法有效性与可行性的验证。实验表明,本文的异常检测与预警方案可以实现对光伏阵列电流数据异常的准确判断与预警,对实际工程应用中相关设备的运维检修具有很大的参考价值。

基于改进YOLOv4网络的光伏组件故障诊断方法

为提高红外光伏组件故障的检测精度,提出一种基于改进YOLOv4网络的图像检测方法。针对无人机采集的红外光伏组件图像数据较少的问题,通过离线数据增强方式扩充数据集;用DenseNet121网络替换YOLOv4网络中原有的DarkNet53主干网络,实现YOLOv4网络的轻量化,提升了网络检测速度;设计新的路径聚合网络,提升YOLOv4网络对红外光伏组件图像浅层特征的融合程度,并在新增路径上添加YOLO检测头,提高网络对红外光伏组件图像中小目标的检测精度;在主干网络后添加注意力机制模块,提升网络的专注度。试验结果表明,改进YOLOv4网络对红外光伏组件故障的检测具有较高的精度。

基于特征点轨迹的多目标跟踪算法

在连续的视频流中,多目标跟踪的任务就是在每一帧中确定目标物体的位置,但是跟踪算法会受到很多外界因素干扰,其中遮挡对跟踪效果的干扰最为严重,为此提出基于特征点轨迹的跟踪算法,用于解决多目标相互遮挡时的跟踪难题.首先跟踪时引入延迟,在处理当前帧时提前获取未来的N帧图像;再提取图像上的特征点并串联成轨迹,根据轨迹来估计目标在N帧之后的位置.根据目标的位置分析目标的运动,从而定位当前帧目标的位置.实验数据表明,这种方法能够有效处理目标遮挡,并且该算法的复杂度比很多传统算法都低,能够在低端处理器上实时运行,满足实际需求.

浅谈新能源电动汽车充换电站的消防设计方案

随着汽车工业的发展和环境保护的需要,新能源电动汽车应运而生。为此作为配套的新能源电动汽车电池充换电站在各地迅速发展起来,成为继加油站、加气站和充电站后,又一社会公共类服务场所。目前,该类场所没有明确的消防设计规范,为此本文将根据实例来浅谈该场所的消防设计方案。

分布式并网光伏发电站系统的应用

基于分布式光伏发电站的特点,分析工程案例的应用,包括继电保护、并网控制,以及最大工作电流、短路电流、并列点和解列点的计算。

需求侧响应的光伏微电网能量优化调度研究

为了解决发电站服务与管理滞后等问题。文章设计提出结合需求侧实施电网能量调度,构建符合电网运营需求的自动化管理平台。

基于遗传算法的微电网能量优化调度方法研究

针对微电网中的优化调度问题,以由蓄电池,光伏与负荷组成的并网型微电网为研究对象,建立了以运行成本最小为目标的优化调度模型,并使用遗传算法对其进行求解。以江西南昌某微电网为研究对象,根据当地实际气象预测数据,在Visual Studio平台上进行了算例的研究,并验证所提模型的准确性。