基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测

光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.本文提出一种基于遗传算法(GA)优化的卷积长短记忆神经网络混合模型(GA-CNN-LSTM),首先利用CNN模块对数据的空间特征提取,再经过LSTM模块提取时间特征和附近隐藏状态向量,同时通过GA优化LSTM训练网络的超参数权重与偏置值.在初期对历史数据进行归一化处理,以及对所有特征作灰色关联度分析,提取重要特征降低数据计算复杂度,然后对本文提出来的经GA优化后的CNN-LSTM混合神经网络(GA-CNN-LSTM)算法模型进行光伏功率预测实验.同时与CNN,LSTM两个单一神经网络模型以及未经GA优化的CNNLSTM混合神经网络模型的预测性能进行比较.结果显示在平均绝对误差率(MAPE)指标下,本文提出的GA-CNN-LSTM算法模型比单一神经网络模型最好的结果减少了1.537%的误差,同时比未经优化的CNNLSTM混合神经网络算法模型减少了0.873%的误差.本文的算法模型对光伏发电功率具有更好的预测性能.

基于光纤环形激光器的动态应变传感系统

提出一种基于半导体光放大器的光纤环形激光器动态应变传感器系统。在此传感系统中,将基于半导体光放大器的光纤环形激光器结合光纤布拉格光栅作为光纤激光器的波长选择元件,用来探测外界的动态应变信号。激光腔的外部配置一个不可调谐的光纤法布里-珀罗滤波器作为强度解调器,同时配置光纤带通滤波器,可实现多个光纤光栅反射信号分离输出的功能。实验结果表明,传感系统对动态应变信号有较好的响应,能够测量高达200 kHz的动态应变信号,具备解调MHz频率范围信号的能力,验证了复用解调的可行性。该系统具有结构简单、成本低等特点,可应用于结构健康监测中动态应变信号的检测。

基于双波混频干涉解调的光纤环形激光应变传感系统

本文提出一种基于半导体光放大器(SOA)光纤环形激光器的智能光纤动态应变传感系统,并采用自适应光折变双波混频技术对其进行解调,解调过程中无需对准静态应变和温度进行任何主动补偿。当FBG(Fiber Bragg Grating)传感器的反射光谱因动态应变而发生改变时,则激光输出的波长会相应移动,随后转换为相应的相移并由InP\:Fe光折变晶体双波混频干涉仪解调。实验结果表明,该传感系统能够测量50~464 kHz之间的动态应变且灵敏度高于0.5μεHz-1(ε为应变)。在InP\:Fe光折变晶体中同时对三个FBG传感器的动态应变进行解调,实验证实双波混频干涉仪的多路复用是切实可行的。

外加直流场下光折变半导体InP∶Fe的双波混频增益特性

提出以单缺陷双边带非线性载流子输运方程描述InP∶Fe中光折变动态光栅的写入过程,通过微扰法将非线性方程线性化,从而求得小调制干涉图样下空间电荷场的稳态解,并用耦合波方程建立空间电荷场与增益系数的关系。研究温度、泵浦光强、外加直流电场和入射角对增益系数的影响。结果表明,增益系数存在温度-光强共振,最佳泵浦光强强烈依赖于晶体工作温度;施加直流电场对增益系数有明显提升作用,在10 kV·cm^(-1)范围内增益随外加直流电场增加而线性增加;并且,在温度-光强共振条件下存在最佳入射角。在室温为298 K和外加电场为5 kV·cm^(-1)时,最佳泵浦光强为218 mW·cm^(-2),最佳入射角为5°。通过InP∶Fe双波混频实验研究泵浦光强、外加直流电场和入射角对增益系数的影响,实验结果表明,增益系数变化规律与理论预测一致,验证了单缺陷双边带模型的合理性,该研究为Ⅲ-Ⅴ族半导体光折变晶体的双波混频研究提供重要的参考价值。