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

    基于自适应二次分解与CNN-BiLSTM的超短期风电功率预测

    马志侠张林鍹巴音塔娜谢明浩...
    429-435页
    查看更多>>摘要：为提高风电功率预测精度,提出基于自适应二次模态分解(QMD)、卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的超短期风电功率预测模型.针对风电功率的波动性,利用改进的完全自适应噪声集成经验模态分解方法(ICEEMDAN)对风电功率数据进行分解.引入麻雀搜索算法(SSA)对变分模态分解(VMD)的分解数量与惩罚因子进行优化,使VMD具有自适应性.将ICEEMDAN分解得到的高频分量I1用SSA-VMD进行第二次分解,降低序列不平稳度.同时,构建包含2层池化层的CNN网络进行特征提取与BiLSTM网络的超短期预测模型,最终的风电功率即为各子序列预测结果之和.通过算例分析进行实验表明,所提风电功率预测方法的预测精度优于其他模型,验证了预测模型的优越性.

    卷积神经网络长短期记忆网络变分模态分解风电功率预测二次模态分解麻雀搜索算法

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

    基于AVMD-CNN-GRU-Attention的超短期风功率预测研究

    任东方马家庆何志琴吴钦木...
    436-443页
    查看更多>>摘要：为提高超短期风功率的预测精度,提出一种改进的基于变分模态分解的卷积神经网络(AVMD-CNN)、门控循环单元(GRU)和注意力机制(Attention)的超短期风功率预测模型.首先利用改进的VMD将风功率序列分解为K个子模态;然后将各子模态利用样本熵(SE)和中心频率进行分类,根据分类结果对各子模态分别给定归一化方式,并按SE值分别输入到GRU-Attention和CNN-GRU-Attention模型中进行训练和预测;最后将各子模态预测结果叠加得到最终结果,从而完成超短期风功率预测.以决定系数(R2)、平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE)为精度评估指标,实际算例表明,所提出模型的R2较文中其他方法平均提高12.06%,MAE、RMSE以及MAPE分别平均降低59.36%、62.49%和48.34%,具有较高的预测精度.

    风功率预测变分模态分解卷积神经网络注意力机制样本熵

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

    引入注意力机制的LSTM-FCN海上风电功率预测

    张昊立张菁倪建辉陈龙...
    444-450页
    查看更多>>摘要：提出一种注意力机制与LSTM-FCN网络结合的海上风电预测模型,在数据中引入风切变物理量来更准确地预测海上风电发电功率.选用公共数据集网站Zenodo内某海上风电场数据中2组风力机数据进行分析和预测验证.对数据集进行标准化预处理后,用AMLSTM-FCN网络和CNN网络、LSTM网络、LSTM-FCN网络进行对比实验,其中AMLSTM-FCN网络在2份风力机数据预测中,RMSE、MAPE、MAE分别为:5号风力机:6.9434、14.01%、48.6636,6号风力机:2.6933、7.12%、17.2536,在相同时段上采用去除风切变的数据训练网络,得到的预测结果从4个指标中看出预测准确度下降.实验表明AMLSTM-FCN网络在海上风电功率预测中有更高的预测精度,以及风切变也对海上风电功率有显著影响.

    海上风电功率预测注意力机制人工神经网络风切变

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

    适用于平坦草原的近地层以上风廓线推算方法

    贺园园程雪玲朱蓉
    451-460页
    查看更多>>摘要：为得到从地面观测数据推测高层风廓线的表达式,基于锡林浩特国家气候观象台1年的观测,确定粗糙度、边界层高度和地转风计算方法,将不同稳定度的平均风廓线与建立的边界层风廓线模型计算结果进行比较.研究发现:基于再分析资料得到的地转阻力参数预测的地转风与实际地转风接近,对数风廓线在中性和不稳定情况下计算准确,且计算方法简单;Deaves-Harris模型适用于强风情况;改进混合长的Gryning模型和考虑Ekman层科氏力的两层风廓线模型在不同的稳定度情况下模拟结果均比较准确,但计算方法复杂;改进的Gryning模型适用于夜间残留层的风廓线模拟.

    风速风能稳定度大气廓线Monin-Obukhov相似理论

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

    考虑时空相关性的风电机组风速清洗方法

    李莉梁袁林娜阎洁...
    461-469页
    查看更多>>摘要：为获得完整可靠的风速数据,提出一种考虑时空相关性的风电机组机舱风速清洗方法.利用图卷积神经网络(GCN)提取风速的空间相关信息、利用双向长短期记忆神经网络(Bi-LSTM)提取时间相关信息,建立GCN-LSTM模型重构各机组风速序列,实现对异常风速数据的识别和清洗.分析风速的时空特性及其对模型清洗精度的影响,确定最优时间尺度和机组节点数量2个重要的建模参数;以中国4个不同地形风电场为例对GCN-LSTM模型进行验证,结果表明考虑时空相关性可有效提高风速清洗精度,风速的时空相关性越高风速清洗误差越小,且该模型在不同地形风电场的风速清洗中表现出良好的鲁棒性.

    风电场风电机组图神经网络长短期记忆神经网络风速时空相关性数据清洗

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

    弹性支撑双风轮风电机组传动链强度分析

    武雅如朱才朝谭建军帅权...
    470-478页
    查看更多>>摘要：为使前后风轮间流场干涉影响降低,双风轮风电机组传动链具有跨距长、支撑点多的特性,导致双风轮风电机组传动链在长跨距柔性主机架支撑下具有复杂的载荷特性.建立考虑主机架柔性的某型双风轮风电机组传动链动力学模型,分析齿轮与主机架结构强度.结果表明:各级齿轮接触强度、弯曲强度以及主机架强度均满足设计要求;主机架支撑变形有助于协调各构件之间的相对变形,适量减小主机架柔性有助于改善传动链承载时主轴轴承之间的轴线不对中情况.

    风电机组传动柔性结构双风轮强度校核

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

    基于部分域适应的旋转机械跨工况故障诊断

    马天霆孙良海韩冰史曜炜...
    479-486页
    查看更多>>摘要：为解决风电机组运行工况变化导致数据分布差异且标签空间不一致场景下的诊断问题,提出一种基于融合权重领域对抗的部分域适应方法(FWDAN),用于旋转机械跨工况故障诊断.FWDAN的核心思想是在样本和类别双重层面施加训练权重,以在对抗训练过程中弱化外部类样本的作用,强化对共享类样本的学习,从而促进领域间共享诊断知识的迁移和提高对目标任务的诊断性能.对于样本级权重生成,将标签信息耦合进样本数据中充分挖掘样本的特征表示,进一步根据源域和目标域数据特性差异,应用不同的统计方法生成权重用于辅助模型训练,实现促进模型积极迁移和降低负迁移风险的目的.建立在滚动轴承和齿轮箱数据集上的两个诊断案例的实验结果表明,所提方法相比其他方法具有更高的诊断准确度和更强的泛化能.

    风电机组故障诊断迁移学习领域适应对抗训练

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

    基于机器视觉的风电机组叶片多类型损伤检测方法研究

    石腾许波峰陈鹏张金波...
    487-494页
    查看更多>>摘要：为更好地推动风电机组叶片运维技术智能化发展,基于机器视觉检测技术,提出一种风电机组叶片多类型损伤检测方法.首先对智能巡检无人机平台采集到的风电机组叶片图像进行图像灰度化、滤波增强、分割以及形态学处理,实现叶片损伤区域的识别;然后基于连通域分析原理来获取叶片损伤区域的几何特征和灰度特征等参数信息,并依此设计出风电机组叶片损伤类型识别分类器;最后将检测算法和分类器融合于所设计的风电机组叶片损伤可视化检测系统.试验表明,该系统对于表皮脱落、涂层破损、砂眼、油污及裂纹等典型叶片损伤的平均检测准确率为90.4%.

    风电机组叶片机器视觉损伤检测多类型损伤

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

    基于优化LSTM模型的风力机叶片剩余使用寿命预测

    焦佳明毕俊喜葛新宇王国富...
    495-502页
    查看更多>>摘要：针对传统寿命预测方法计算复杂、耗时且不具普适性等问题,提出一种基于优化长短期记忆网络(LSTM)的风力机叶片剩余使用寿命(RUL)预测模型.首先,将多维传感器监测数据可视化,以观察数据特征并进行初次特征筛选.然后,对筛选后的数据进行归一化处理,并使用主成分分析法(PCA)进行数据融合,以去除冗余信息和降低特征维度.其次,使用自适应矩估计(AME)算法为不同网络参数提供独立的自适应性学习率;使用平滑平均绝对误差(SMAE)损失函数来综合两种传统回归损失函数的特点.最后,经过多次试验选定合适的LSTM层数及神经元数,并以复杂系统的多尺度时序监测数据为算例对模型进行试验验证.试验结果表明,在一种故障模式下,优化LSTM预测模型相较于其他传统机器学习模型在评价指标及预测误差分布情况上占优,表明该文所提模型具有更高的准确性及稳定性.

    风力机叶片主成分分析长短期记忆寿命预测预测模型

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

    极端运行阵风下风电叶片动力学响应特性流固耦合分析

    杨瑞岳雷东曾学仁方亮...
    503-509页
    查看更多>>摘要：基于CFD及有限单元法,利用ANSYS Workbench平台的Fluent与Transient Structural模块,对NREL 5 MW风电机组复合材料叶片在极端运行阵风下的气动特性及结构力学特性进行研究.结果表明:风轮气动载荷受极端运行阵风的影响较大,极端运行阵风作用下,风力机转矩及轴向推力等随风速的变化出现较大幅值的响应且响应峰值较阵风峰值均有所提前;叶片位移随风速的变化在峰值风速的前后出现大小两个峰值;在风速达到峰值时,与均匀来流阶段相比,叶片表面应力整体增幅较大.

    风力机叶片复合材料流固耦合极端运行阵风数值模拟

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