一种基于混合改进Faster R-CNN实现多种类光伏阵列热斑检测方法

    公开(公告)号:CN112927222B

    公开(公告)日:2022-10-04

    申请号:CN202110330963.8

    申请日:2021-03-29

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于混合改进Faster R‑CNN实现多种类光伏阵列热斑检测方法。该方法采集光伏阵列多尺度的红外图像数据,剔除异常的图像数据后,进行热斑等光伏缺陷的类别和回归框标注。通过在线数据增强增加样本的数据量,先输入训练热斑阴影类检测模型,接着输入训练光伏面板类检测模型。通过光伏面板类检测模型的面板检测结果,将热斑阴影类模型检测结果中不在检测面板内的目标去除掉,最后输出原图和图像中光伏面板、一类热斑、二类热斑和阴影四类的检测结果。本发明能够准确对光伏阵列的红外热斑进行检测与定位。

    基于自适应神经模糊推理系统的光伏阵列故障诊断方法

    公开(公告)号:CN109670553B

    公开(公告)日:2022-08-12

    申请号:CN201811589935.2

    申请日:2018-12-25

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于自适应神经网络的智能光伏阵列故障诊断方法,包括以下步骤:步步骤S1:采集各种工况条件下的光伏电气特性数据,并通过采样滤波处理构成原始故障数据;步骤S2:将原始故障数据进行数据映射运算,得到总体故障特征数据;步骤S3:利用LDA算法对总体故障特征数据进行特征降维压缩至3维,得到新的特征数据;步骤S4:采用K折交叉检验将新的特征数据分成测试集和训练集,并设定隶属度函数个数和隶属度函数种类;步骤S5:生成初始模糊推理系统;步骤S6:构建自适应神经网络模糊推理系统模型;步骤S7:判断光伏阵列系统是否处于故障状态;本发明的技术能有效的对故障中的光伏阵列进行诊断分类,对比其他的机器学习算法,分类精度高结果准确。

    一种柔性银铟双重梯度掺杂的CZTSSe薄膜及其制备方法和应用

    公开(公告)号:CN112531036B

    公开(公告)日:2022-06-10

    申请号:CN202011469652.1

    申请日:2020-12-15

    Applicant: 福州大学

    Abstract: 本发明公开了一种柔性银铟双重梯度掺杂的CZTSSe薄膜的制备方法,采用溶液法溶解单质及后硒化处理的方式制备薄膜,由不同银或铟掺杂浓度的CZTSSe薄膜叠层构成,银含量从上往下梯度降低,铟含量从下往上梯度降低,可用于柔性太阳电池。本发明制得的银铟双重梯度掺杂的CZTSSe薄膜中,从下往上为P+型—P型—P‑/N+型的分布,薄膜内形成一个弱电场,这一电场促进空穴流向背接触界面、电子流向硫化镉和吸收层界面,增强对吸收层内部载流子的抽取能力,促进载流子的收集,提高了CZTSSe薄膜太阳电池的光电转换效率。

    一种柔性硫化锑薄膜太阳能电池及其制备方法

    公开(公告)号:CN113097314B

    公开(公告)日:2022-06-03

    申请号:CN202110344754.9

    申请日:2021-03-31

    Applicant: 福州大学

    Abstract: 本发明公开了一种柔性硫化锑薄膜太阳能电池及其制备方法,所述的太阳能电池为底衬型结构,从衬底到表面分别为柔性钼箔衬底、硫化锑吸收层、CdS缓冲层、ZnO/ITO窗口层、金属电极。其中硫化锑吸收层薄膜通过将锑和硫单质溶解在前驱体溶液中,然后进行涂膜和退火获得。本发明开发出新的溶液法制备硫化锑薄膜,能够兼容柔性钼箔衬底,通过控制锑和硫的比例,降低薄膜中缺陷。本发明设计的新型底衬结构的柔性太阳能电池,提高太阳光的吸收利用,器件具有匹配的能带结构和高的柔性性能,可制作成柔性便携式产品;其制造成本低廉、绿色环保,满足了商业化的需求,具有较强的推广与应用价值。

    基于门控循环单元网络的光伏电站短期功率预测方法

    公开(公告)号:CN110334870B

    公开(公告)日:2022-05-31

    申请号:CN201910613978.8

    申请日:2019-07-09

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于门控循环单元网络的光伏电站短期功率预测方法。该方法包括:包括以下步骤:步骤S1:根据待预测日的天气类型选取气象参数作为模型输入,不同的天气类型,占主导地位的气象参数不同;步骤S2:对待预测日之前的20天历史数据进行处理,剔除异常值和黑夜的值,然后对历史功率和历史NWP气象参数进行归一化处理,将其作为训练数据集;步骤S3:采用门控循环单元网络对训练数据集进行学习,并用方均根反向传播算法调整网络的参数;步骤S4:将待预测日的NWP气象参数作为模型的输入,得出预测的功率值。本发明方法能够显著提高光伏电站短期功率预测的精度和可靠性。

    基于网格搜索和改进NM单纯形算法的光伏模型更新方法

    公开(公告)号:CN111259550B

    公开(公告)日:2022-05-13

    申请号:CN202010051084.7

    申请日:2020-01-17

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于网格搜索和改进NM单纯形算法的光伏模型更新方法,包括以下步骤:步骤S1:获取光伏面板的实际I‑V特性曲线信息;步骤S2:确定光伏组件模型和目标函数;步骤S3:采用网格搜索对光伏模型参数进行全局搜索,获取光伏模型参数搜索起始点,并确定模型参数搜索范围;步骤S4:采用改进的Nelder‑Mead单纯形对步骤S3中的模型参数搜索起始点进行局部搜索,获取全局最优的光伏模型参数向量。步骤S5:根据得到的全局最优的光伏模型参数向量,实时更新光伏阵列的模型,从而便于评估和优化光伏电站的工作状态。本发明提高了光伏模型参数提取的精度和速度,能够实时更新光伏阵列的模型,从而便于评估和优化光伏电站的工作状态。

    测量拓扑绝缘体Bi2Te3中拉莫进动引起的磁致光电流的方法

    公开(公告)号:CN112881773B

    公开(公告)日:2022-05-10

    申请号:CN202110065501.8

    申请日:2021-01-18

    Applicant: 福州大学

    Abstract: 本发明涉及一种测量拓扑绝缘体Bi2Te3中拉莫进动引起的磁致光电流的方法。该方法是对三维拓扑绝缘体Bi2Te3施加一个平面内沿x方向的磁场,用1064nm的激光垂直照射(沿z方向)在样品上两电极连线的中点上,激发产生磁致光电流。通过转动四分之一波片获得不同偏振状态下的光电流,然后通过公式拟合得到圆偏振光激发由拉莫进动引起的磁致光电流。其原理为,圆偏振光激发产生垂直方向的自旋极化Sz,x方向的磁场使得拓扑绝缘体中产生的自旋极化Sz产生拉莫进动,从而产生y方向的自旋极化Sy。这个方向的自旋极化将会引起x方向流动的电荷流,即由拉莫进动引起的圆偏振磁致电流。

    基于残差注意力块的运动模糊图像复原方法

    公开(公告)号:CN114331913A

    公开(公告)日:2022-04-12

    申请号:CN202210011777.2

    申请日:2022-01-06

    Applicant: 福州大学

    Abstract: 本发明提出一种基于残差注意力块的运动模糊图像复原方法,采用的网络包括由粗到细三个尺度,首先对图像进行预处理,然后在第一级尺度的网络上的编码端通过下采样提取模糊图像的主要特征,网络的基本结构由残差注意力块组成,可以更有效的提取出图像特征,再连接上循环模块,用以获取图像的空间信息,每个尺度的循环模块通过上采样方式连接,最后通过解码端上采样得到输出的结果。每个尺度的网络结构相同,通过跨尺度共享权重来减少参数量,来加快网络的训练速度,通过构建的运动模糊图像复原模型有效的恢复出清晰的图像边缘和一些细节的图像纹理信息。提高了运动模糊图像复原的质量。

    一种调控碲化锑薄膜圆偏振光致电流的方法

    公开(公告)号:CN110707179B

    公开(公告)日:2022-03-22

    申请号:CN201910992343.3

    申请日:2019-10-18

    Applicant: 福州大学

    Abstract: 本发明涉及一种调控碲化锑薄膜圆偏振光致电流的方法。该方法通过改变薄膜的厚度,来改变表面粗糙度,从而调控碲化锑薄膜中圆偏振光致电流;碲化锑薄膜中的圆偏振光致电流信号是由上表面态的信号和下表面态的信号叠加而成;由于上表面态和下表面态的自旋轨道耦合的方向是相反的;当薄膜厚度增加时,表面粗糙度增加,上表面态的贡献减小,上表面态和下表面态信号叠加以后下表面态的信号会占主导,从而使得圆偏振光致电流的大小甚至符号发生变化,起到调控碲化锑薄膜中圆偏振光致电流的作用。本发明调控效果显著,简单易行,成本低廉,有利于日后推广应用。

    基于Kmeans-GRA-Elman模型的光伏电站短期功率预测方法

    公开(公告)号:CN109002915B

    公开(公告)日:2022-03-18

    申请号:CN201810769372.9

    申请日:2018-07-13

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于Kmeans‑GRA‑Elman模型的光伏电站短期功率预测方法,包括:采集光伏电站历史每天的发电功率以及气象站上每天对应时间段的气象参数;对数据进行预处理;利用六项统计指标结合改进Kmeans算法对历史日中第一天到待预测日前一天的样本进行聚类,根据轮廓系数确定类别数;计算每个聚类气象特征值的中心点,判断待预测日所属的类别;确定待预测日的相似日和最佳相似日;确定Elman神经网络参数;得到训练模型;将最佳相似日的参数样本组合以及待预测日的气象参数输入训练模型中对待预测日的发电功率进行预测。本发明能够提高光伏电站在不同季节下的不同天气条件短期功率预测的精度和准确度。

Patent Agency Ranking