波动性电源条件下PEM制氢电解槽核心材料耐久性研究建议

通过可再生能源进行制氢,用于传统高碳行业,是完成化石能源替代,实现“双碳”目标的重要途径。绿氢装备中,质子交换膜(PEM)电解槽响应快,调节范围广,与波动性可再生能源有着良好的适配性,是当前氢能领域研究热点。当前PEM电解槽的研究以大型化、低成本为主要目标,对于风光这一类波动性电源输入条件下,电解槽性能的稳定性、长周期运行下的衰减和老化机制研究不足,本文就风光波动性输入条件下PEM制氢电解槽耐久研究提出思考和建议。

基于VDRCNN的电力巡检图像超分辨率重建算法

针对无人机巡检图像模糊、分辨率低等问题,利用深度残差卷积神经网络(VDRCNN:Very Deep Residual Convolutional Neural Network)理论,提出了一种无人机巡检图像的超分辨率重构方法。该算法模型由超分辨率加深网络(VDSR:Very Deep Network for Super-Resolution)和残差结构组成,同时结合批量组归一化和Adam优化器以获得更好的重建效果。在此基础上,构建电力部件检测数据集,通过恰当设置网络参数,实现针对模糊电力部件图像的高分辨率重构。实验结果表明,基于VDRCNN的超分辨率方法重建出的图像纹理更丰富、视觉效果更逼真,在峰值信噪比和结构相似度上分别有2.95 dB和3.79%的提升,明显优于传统检测方法。所提出的基于VDRCNN的电力巡检图像超分辨率重构方法对解决电力巡检实际问题具有一定的应用价值。