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

    一种单相Quasi-Z源逆变器二次谐波电流抑制策略

    刘欣高鑫波袁静
    349-358页
    查看更多>>摘要：为抑制单相qZSI直流侧二次谐波电流,提出一种基于虚拟阻抗的二次谐波电流抑制策略.该控制策略通过引入串联虚拟阻抗附加控制以提高单相qZSI在2f0处的闭环输出阻抗,用以有效抑制直流侧的二次谐波电流.同时,综合考虑二次谐波电流抑制要求以及保证系统稳定裕度等约束条件,提出该控制策略的闭环参数设计方法.最后通过数字仿真和基于RT-LAB的硬件在环仿真验证了所提二次谐波电流抑制策略以及其闭环参数设计方法的正确性.

    光伏发电准Z源逆变器谐波分析虚拟阻抗

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种适用于单/多光伏电站的迁移超短期光伏预测建模框架

    任密蜂王家辉叶泽甫朱竹军...
    359-367页
    查看更多>>摘要：针对新建电站的历史数据量有限,且不同时段光伏数据的分布存在较大差异的问题,构建一种适用于单/多光伏电站的迁移超短期光伏预测建模框架.首先,为充分考量光伏序列的不确定性及数值天气预报的固有偏差,提出一种基于加权滚动时间窗聚类方法,同时为避免维度过高问题并强化天气类型与光伏发电功率之间的映射关系,提出类内外特征加权结构保持降维算法;其次,通过采用测地线流式核积分完成数据分布对齐,减小样本分布差异对单/多电站模型鲁棒性的影响;最后,采用梯度增强决策树建立光伏功率预测模型,实现光伏功率预测精度的提升.采用公开数据集PVOD验证了所提算法的有效性.

    光伏电站预测迁移学习光伏功率超短期预测结构保持测地线流式核

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于YOLOv5的太阳电池表面缺陷检测

    彭自然张颖清肖伸平
    368-375页
    查看更多>>摘要：针对太阳电池表面缺陷问题,在深度学习模型YOLOv5的基础上进行优化与改进.首先,为充分利用深层、浅层和原始的特征信息,加强特征融合,设计具有跨连接结构的特征金字塔网络(ScFPN).其次,为加强多重感受野融合,基于SPPF构建SPPFCSPC模块,通过最大池化层获得不同感受野,提升算法对于不同尺度太阳电池缺陷检测的鲁棒性.最后,采用ASD-IoU作为边界框损失函数,提升边框回归的速度与精度.实验结果表明,改进后的YOLOv5模型mAP@(0.50～0.95)达到83.1%,相比于YOLOv5模型,平均精度提高3.3个百分点,表明该文模型更加适合于太阳电池表面缺陷检测.

    深度学习太阳电池缺陷卷积神经网络目标检测图像处理

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于LSTM模型的短期光伏功率预测

    高寒旭袁祖晴张淑婷王晓春...
    376-381页
    查看更多>>摘要：对比3类LSTM功率预测方法的误差以评价业务气象预报在光伏功率预测中的作用,及训练集、测试集的不同划分对预测精度的影响.这3类功率预测方法分别是:只使用光伏功率、使用光伏功率及气象观测、使用光伏功率及气象预报.气象预报因子使用了与光伏功率相关性最高的总辐照度.分析时间段为2020年1月1日—6月30日,气象预报来自于ECMWF和NOAA/NCEP.结果表明,对于长度有限的资料,训练集、测试集的不同划分对预测模型精度会产生一定的影响.如果可使用总辐照度的观测,则短期功率预测的相对误差可降低约2.3%.与只使用光伏功率相比,既使用光伏功率又使用气象预报,短期功率预测相对误差降低约2.1%.与NOAA/NCEP气象预报相比,ECMWF气象预报明显降低了功率预测的误差.相比于只使用光伏功率,增加气象预报可提高预测精度.

    长短期记忆网络光伏发电功率预测辐照度

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于强化学习的多模型融合光伏发电功率预测方法

    王剑斌傅金波陈博
    382-388页
    查看更多>>摘要：为进一步提高超短期光伏发电功率预测的精度,提出一种基于强化学习的多模型融合光伏发电功率预测方法.首先,采用局部离群因子算法检测、剔除异常点,并用多层感知机回归算法进行修补,解决数据异常问题;然后,将数据分为训练集、验证集与测试集,在训练集中训练支持向量机回归(SVR)、多元线性回归(MLR)、贝叶斯岭回归(BRR)、卷积-长短期记忆(CNN-LSTM)与基于粒子群算法优化的门控循环单元(PSO-GRU)模型,并在验证集对训练得到的模型进行验证,分别选出最佳的模型作为子模型;最后,在测试集中使用5个子模型进行预测,并将各预测结果用强化学习的方法进行融合,将融合值作为最终的预测结果.实验结果表明,该预测方法的平均绝对误差、均方误差、均方根误差与相对误差相比单模型方法以及其他传统的融合方法均有显著降低,验证了该方法的有效性.

    异常检测机器学习强化学习多模型融合光伏发电功率预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    双作用斯特林热机内部气体微团运行机理数值研究

    常德鹏孙岩雷王珏罗靖...
    389-395页
    查看更多>>摘要：针对一台双作用斯特林热机,通过SAGE计算以及Runge-Kutta法和线性插值等后处理过程,对内部气体微团进行热力求解,最终得到由欧拉观点转化为拉格朗日观点的热力结果.研究表明,斯特林热机回热器内部各气体微团独自运行于不同的热力过程,气体微团间互相接力,实现宏观上发动机的热功转换功能,其热力循环的包络线近似于2个等压过程和2个等温过程的组合.同时,研究实际机型的气体微团运行机理和热力过程,并从数值上验证斯特林循环与概括性卡诺循环的相互关系,为斯特林热机的设计与分析提供一定的理论基础.

    斯特林热机斯特林循环Runge-Kutta法运行机理概括性卡诺循环

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    平面线聚焦菲涅尔透镜的聚焦变化研究

    杨毅马兴龙郑宏飞董玉杰...
    396-400页
    查看更多>>摘要：针对平面线聚焦菲涅尔太阳能聚光透镜在光线倾斜入射条件下的焦距变化问题,从菲涅尔透镜结构、材料折射率以及光线倾斜入射角对其焦距的影响出发,分析得出兼顾许用倾斜入射角范围大和焦距变化范围小的设计参数.进而示例设计宽度为200 mm、焦距为300 mm、材料折射率为1.5的平面线聚焦菲涅尔透镜,分析其焦距变化特性,并采用缩短接收面与菲涅尔透镜之间安装距离的方法,分析得到适用于该菲涅尔透镜的最佳接收器宽度和安装位置,使其许用光线倾斜入射角范围达到±40°以上,以此维持平面线聚焦菲涅尔太阳能聚光器的有效工作时间达到接近6 h.

    太阳能菲涅尔透镜线聚焦倾斜入射焦距变化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于光热木材的海水淡化研究进展与展望

    吕霈泓李娟石雷马晨波...
    401-411页
    查看更多>>摘要：概述等离子体材料、半导体材料、碳基材料和复合材料等光热材料的光热转换机理与性能特点;重点分析碳基光热材料的研究现状与发展优势,针对炭化光热木材和复合光热木材,整理并比较两者的制备方法与蒸发性能;基于光热木材海水淡化系统,综述太阳能蒸发器强化界面传热传质策略与系统结构优化、系统经济性与稳定性等方面的相关研究,最后总结光热木材海水淡化目前的技术缺陷,展望未来的研究方向.

    海水淡化太阳能蒸发器木材界面蒸发光热效应

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于集成学习的新能源发电功率预测

    陈运蓬景超白静波马江海...
    412-421页
    查看更多>>摘要：针对现有新能源发电功率预测方法难以深入挖掘多维变量时序数据特征导致预测精度不佳的问题,提出一种基于集成学习的新能源发电功率预测方法.首先结合3种相关系数与Shapley值法筛选高相关度的相关变量;其次使用扩展因果卷积网络捕捉历史发电功率时序特征,并使用双向门控循环单元网络结合时间模式注意力提取过去和未来的相关变量特征;最后依照Stacking法对不同网络输出进行集成融合.实验表明,该方法在超短期内具有优秀的预测精度,预测结果均优于其他对比模型.

    新能源预测集成学习神经网络注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于VMD和改进BiLSTM的短期风电功率预测

    朱菊萍魏霞谢丽蓉杨家梁...
    422-428页
    查看更多>>摘要：精准的短期风电功率预测对电力系统稳定运行至关重要.为提高短期预测精确度,提出一种基于变分模态分解(VMD)-样本熵(SE)和利用注意力(attention)机制改进双向长短期记忆网络(BiLSTM)以及误差修正的组合预测模型.首先,采用VMD将原始功率数据分解为若干个相对平稳的子序列,重构样本熵值相似分量以降低复杂性;然后,引入Attention对BiLSTM的隐含层状态输出分配相应的权重以突出重要影响的输入特征,同时采用极限梯度提升(XGBoost)对误差进行修正,从而进一步提高预测精确度;最后,将初步预测值和修正预测值相加得到最终结果.采用风电场实际数据进行验证,结果表明,所提组合模型的平均绝对误差(MAE)下降至1.6565,与其他模型相比精度提升25.8%～56.5%,具有较好的预测效果.

    风电功率预测变分模态分解注意力机制双向长短期记忆网络误差修正

      原文链接:
    • NETL
    • NSTL
    • 万方数据