首页期刊导航|太阳能学报
期刊信息/Journal information
太阳能学报
太阳能学报

殷志强

月刊

0254-0096

tynxbb@public.sti.ac.cn

010-62001037

100191

北京市海淀区花园路3号

太阳能学报/Journal Acta Energiae Solaris SinicaCSCD北大核心CSTPCDEI
查看更多>>本学报是我国新能源领域的国家级学术刊物,由中国科协主管,中国太阳能学会主办,北京市太阳能研究所承办,自1980年创刊以来,为我国新能源领域的学术交流、人才培养及促进科研成果产业化等方面做出了贡献。主要报道我国太阳能、生物质能、风能、氢能、海洋能及地热能科学技术研究成果。登载学术论文、研究报告、实验仪器和实验技术、技术札记、简报及综述性论文。《太阳能学报》编辑严谨,被《EI》收录比例高。
正式出版
收录年代

    合成射流对Spar型浮式风力机涡激运动特性的研究

    李磊夏海山杜炳鑫白兴兰...
    459-466页
    查看更多>>摘要:涡激运动问题是影响漂浮式结构系泊系统、立管和电缆疲劳寿命的重要因素,该文利用主动控制技术研究合成射流对Spar型浮式风力机基础结构涡激响应特性的抑制规律.首先开展无射流工况下Spar型浮式风力机涡激运动试验和数值仿真研究,验证数值方法的准确性,而后重点探讨射速比和喷射角对结构的涡激响应、涡激力、泄涡频率和尾涡结构的影响规律.研究发现,涡激响应特征与射速比和喷射角度密切相关,合成射流能有效抑制结构的涡激运动,且射速比越大、喷射角越趋向尾涡分离点其抑制效果越好.同时发现,合成射流降低了涡泄频率、从而使振荡频率远离固有频率,但柱体涡激力基本不变.结果表明,合成射流能够有效抑制Spar型浮式风力机的涡激共振,其抑制机理为降低结构振荡频率,从而解锁涡激共振实现抑制作用,而非降低涡激力实现抑制效果.

    海上浮式风力机动力特性圆柱合成射流主动控制

    漂浮式海上风电机组无模型自适应容错控制策略

    张艳峰杨锡运徐恩慧
    467-477页
    查看更多>>摘要:漂浮平台运动和海上恶劣条件使得漂浮式海上风电机组(FOWT)建模难度大且故障率较高,为此,提出一种无需对FOWT进行数学建模的无模型自适应主动容错控制策略.该策略主要包括故障智能诊断和故障自适应补偿系统:故障智能诊断系统利用卷积神经网络模型对时序信号进行空间特征挖掘完成故障智能诊断;故障补偿系统采用无模型自适应控制策略实现,将动态补偿过程转化为非线性系统实时控制问题,通过实时求解补偿因子来应对和恢复多种故障,有效降低了控制器开发成本且避免了建模产生的误差.在多种故障场景下进行仿真实验,结果验证了提出控制策略的容错能力,不仅可使叶轮载荷保持平衡,且可降低塔筒载荷.

    海上风电风电机组独立变桨控制容错控制无模型自适应控制

    海上风电柔直送出系统改进频率协同控制策略

    张龙孙丹马志豪年珩...
    478-486页
    查看更多>>摘要:针对远海风场经柔直系统接入岸上电网后无法提供频率主动支撑的问题,该文提出一种远海风场与柔直系统改进频率协同控制方案.协同控制方案分为柔直系统层面和远海风场层面.针对柔直系统,将岸上电网的频率变化通过下垂控制转化为直流电压的变化,分析下垂控制系数与柔直系统虚拟惯量系数之间的关系,提出一种计及电网频率偏差的柔直系统自适应控制方法.针对远海风场,在频率故障前以最大化风电场转子动能为目标提出一种改进的功率备用方法,能有效减小风电场的风能损失并将该部分能量用于后续频率调节中,在频率故障后考虑风速差异根据转子转速实时调整风电机组频率控制系数,能在保证机组运行安全性的前提下提升风电场整体调频能力.仿真结果表明,所提控制方法在不同风速以及风电渗透率下均具有良好的调频性能.

    海上风电场柔性直流输电频率响应减载控制参数整定

    在线选择性集成即时学习风电功率自适应预测

    李运龙金怀平范守元金怀康...
    487-496页
    查看更多>>摘要:风电功率预测可为风电的并网和优化调度提供有效的指导信息,在风能的开发利用中扮演着举足轻重的角色.然而,由于风电固有的间歇性和随机性给准确的风电功率预测带来巨大挑战.同时,由于受季节性、气候性、设备老化等因素影响,随着时间的推移,风电功率数据特征难免发生改变,这将直接导致离线的风电功率模型性能发生退化.为此,提出一种在线选择性集成即时学习(OSEJIT)自适应风电功率预测方法.首先,为了有效处理风电的非线性和时变性特征,通过相似度、学习器扰动以构建多样性JIT基模型库.其次,为了保证集成有效性,定义基于Friedman检验的多样性指标和基于预测精度的准确性指标以实现模型的在线选择.随后,在线预测阶段,根据模型近期的预测性能通过自适应加权集成的方式获得最终预测值.为了保证基模型库的更新,同时规避模型频繁重建导致计算资源耗费的问题,采用一种基于KL散度的过程状态识别方法以减少模型重建频率.所提方法的有效性和优越性在一个实际风电功率数据应用中获得了验证.

    风电功率预测自适应算法过程状态识别统计假设检验在线选择性集成即时学习

    基于CBAM-DSC-UNet模型的时空风速预测算法

    赵陆阳刘长良刘卫亮李洋...
    497-505页
    查看更多>>摘要:针对时空风速预测任务通常使用的卷积神经网络(CNN)和循环神经网络(RNN)联合建模方法中空间信息损失的问题,提出一种基于CBAM-DSC-UNet模型的时空风速预测算法,用于提升空间信息利用率与模型预测精度.该算法将时空风速预测问题视为视频预测问题,在提取时空相关性的同时保持空间信息,进而直接输出未来多步的空间风速矩阵.以美国怀俄明州某风电场实际数据为算例进行实验,结果表明,相比其他对比算法,基于CBAM-DSC-UNet模型的时空风速预测算法的平均绝对误差下降8.4%~15.9%,精度有较大提升.

    风力预测卷积神经网络时空数据UNet多风电机组

    基于迁移学习的风电机组叶片损伤检测与分析

    殷孝雎潘雪左雁斌关新...
    506-511页
    查看更多>>摘要:针对风电机组叶片损伤成因复杂、故障识别效率低、精度不足等问题,提出一种基于迁移学习改进的DenseNet网络(DenseNet-TL)的风电机组叶片损伤检测方法.建立DenseNet-TL数学模型,提升特征提取能力,在该模型下对风电机组叶片图像进行识别分析,以确定叶片的损伤状态.以某风场数据集进行离线训练和测试,结果表明:与AlexNet、ResNet模型进行对比,该模型可有效节省训练时间、提高模型的泛化能力,训练准确度平均值达到90%以上,验证了该方法的有效性和精确性.

    迁移学习图像识别损伤检测风电机组叶片风电机组

    基于CEEMDAN和时间卷积网络的风向预测算法

    张群侯玉强许剑冰赵巍...
    512-520页
    查看更多>>摘要:为提高风向预测精度,提出一种基于随机森林算法(RF)、分类回归树(CART)、完备自适应噪声经验模态分解(CEEMDAN)与时间卷积网络(TCN)的组合预测算法.其中,基于分类回归树法的输入重要性评测用于评测风向预测模型的输入相关度并进行筛选;随机森林算法用于对风向数据进行自适应处理;完备自适应噪声集成经验模态分解用于对输入风向数据进行分解并进行输入信息特征提取;最后,利用时间卷积网络搭建风向预测模型.实验结果表明,相较于其他8种对比模型,所提模型在四季度数据集上预测误差均小于4.95°,均获得了最高的预测精度.

    深度学习特征提取随机森林时间卷积网络风向预测

    考虑运行经济性与安全性的风电场功率模型预测优化控制

    杨彦霞李少林王伟胜秦世耀...
    521-528页
    查看更多>>摘要:首先介绍风电场功率控制构架及功率控制过程,基于风电场各控制对象动态特性分析,构建模型预测控制用风电场功率控制线性化模型.在此基础上,以风电机组传动链机械载荷、场站功率跟踪偏差和损耗最小为优化目标,提出一种风电场有功/无功模型预测协调优化控制方法,设计目标函数及约束条件.最后,在Matlab/Simulink中建立风电场仿真模型,仿真结果表明所提控制策略能够在准确跟随电网调度下发的发电任务和电压指令的同时,可减小风电场有功和无功损耗、降低各机组传动链疲劳载荷,可提升风电运行安全性与经济性.

    风力发电有功控制无功控制疲劳载荷风电场损耗

    基于改进型Super-twisting的双馈感应发电机直接功率控制

    李圣清文颜烯黄远鹏周志飞...
    529-535页
    查看更多>>摘要:为提高双馈感应发电机(DFIG)直接功率控制的鲁棒性和抗干扰能力,提出一种改进型超螺旋滑模(STSMC)的直接功率控制(DPC).首先,建立参数摄动下的DFIG最大功率捕获模型和定子磁场定向的双馈感应发电机模型;然后,将非奇异快速终端滑模面(NFTSM)与一种改进型超螺旋(Super-twisting)优化算法结合,设计DFIG直接功率控制器(IST-NFTSMC).其中所设计的非奇异滑模面能有效避免传统滑模控制(SMC)的奇异现象,且改进超螺旋控制律能有效削弱NFTSMC抖振,提高功率控制精度;最后,通过仿真和实验,与PI控制和传统SMC控制相比,该控制能削弱DFIG功率与电流抖振问题,加快其收敛速度,提高DFIG直接功率控制稳态精度.

    双馈感应发电机直接功率控制超螺旋滑模控制定子磁场定向

    基于动态矩阵与特征相似度的AAKR风电机组状态监测

    田雯雯吕丽霞刘长良刘帅...
    536-543页
    查看更多>>摘要:针对传统自组织核回归(AAKR)模型所选记忆矩阵冗余度较高、无法根据在线数据实时更新、计算相似度时未考虑特征参数权值不一的问题,提出一种基于动态矩阵与特征相似度的自组织核回归(DM-FS-AAKR)风电机组状态监测方法.首先基于样本间距离对原始数据集去冗余以降低运算复杂度,形成待选数据集;其次基于k-最近邻算法选取最符合当前运行条件的历史数据构建动态矩阵;为克服相似度计算时不良参数的偏差污染,提出一种特征相似度计算方法为不同参数分配相应权值进一步提高预测精度;最后以河北某风电场SCADA数据为例,对机组故障停机前工况进行验证实验.结果表明,相比于传统AAKR模型,所提算法平均绝对误差降低约15.6%,故障预警时能够提前35天实现预警,具有较高精度和实时性.

    齿轮箱风电机组状态监测自组织核回归动态矩阵特征相似度