基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测

光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.本文提出一种基于遗传算法(GA)优化的卷积长短记忆神经网络混合模型(GA-CNN-LSTM),首先利用CNN模块对数据的空间特征提取,再经过LSTM模块提取时间特征和附近隐藏状态向量,同时通过GA优化LSTM训练网络的超参数权重与偏置值.在初期对历史数据进行归一化处理,以及对所有特征作灰色关联度分析,提取重要特征降低数据计算复杂度,然后对本文提出来的经GA优化后的CNN-LSTM混合神经网络(GA-CNN-LSTM)算法模型进行光伏功率预测实验.同时与CNN,LSTM两个单一神经网络模型以及未经GA优化的CNNLSTM混合神经网络模型的预测性能进行比较.结果显示在平均绝对误差率(MAPE)指标下,本文提出的GA-CNN-LSTM算法模型比单一神经网络模型最好的结果减少了1.537%的误差,同时比未经优化的CNNLSTM混合神经网络算法模型减少了0.873%的误差.本文的算法模型对光伏发电功率具有更好的预测性能.     

太阳能甲烷重整热化学互补发电系统性能研究

本研究搭建了太阳能热化学实验平台,依托室内太阳模拟平台,进行了2 kW太阳能甲烷重整反应器的实验研究,探究了反应温度、反应物流量等关键参数对系统性能(甲烷转化率、产物选择性)的影响,并基于燃气-蒸汽联合循环发电系统模型,模拟计算了太阳能热化学互补发电系统性能。结果表明,当反应器腔体的平均温度为880℃、甲烷流量为5.5 L·min^-1、水碳比为3:1时,甲烷的转化率为55.8%,太阳能净发电效率可达26.0%。     

压电式纳米发电机的原理和潜在应用

纤锌矿结构氧化锌纳米线具有半导体性能和压电效应.用导电的原子力显微镜探针针尖去弯曲竖直生长的氧化锌纳米线,在纳米线的内部和外部分别造成压缩和拉伸,这种独特结构导致了弯曲纳米线的内外表面产生反极性的极化电荷,借助半导体性质的氧化锌纳米线和其金属尖部的肖特基势垒将电能暂时储存在氧化锌纳米线内,并可用导电的原子力显微镜探针接通这一电源,向外界输电,从而完美地实现了在纳米尺度上把机械能转化为电能.该纳米发电机的发电效率可以达到17%—30%,此项重要的科学发现将为自发电式纳米器件奠定物理基础.文章介绍了它的工作原理和潜在应用.     

利用流水发电

最近加拿大Alberta大学的DanielKwok和LarryKostiuk教授领导的研究组发展了一种新的发电方法 .这个新方法是直接利用通过微通道时流体的电流动性质来产生电能的 .当液体在固液界面处流动时 ,在有一些固体的表面上 ,它的原子由于固体的异化作用会在表面处形成自由电子和正离子 .     

苏州纳米所基于高效砷化镓电池的聚光光伏发电系统获进展

最近,中科院苏州纳米技术与纳米仿生研究所系统集成部设计开发了4*6形式的基于高效砷化镓电池的聚光发电系统,并成功投入实际运行。模组光电转换效率达到了25%,解决了风沙侵蚀、尘埃进入、水汽     

Bi2Te3 合金低温热电性能及冷能发电研究

利用机械合金化和冷压烧结法制备得到n型和p型Bi₂Te₃基热电材料,在80—300 K温度范围测量了电导率、Seebeck系数,结果表明其具有良好的低温热电性能.采用Bi₂Te₃基热电材料制备出半导体热电器件,并配合附属设备搭建出一套半导体温差发电装置.利用液氮汽化时释放的冷能,对半导体热电器件的发电性能进行实验研究,得出这种半导体热电器件输出电压、输出功率与电流关系式,测得最大的输出功率达到1.33 W,从而证明了冷     

铁离子对硫化矿发电浸出过程影响的机理研究

本研究采用双电池体系考察了铁离子对硫化矿的FeCl3浸出过程的影响.研究结果表明,Fe3 对所研究各硫化矿发电浸出的影响效果类似:阴极电解液中Fe3*仅在较低的FeCl3浓度范围内(<0.1～0.2 mol L1)对发电浸出速率有显著影响.对各矿物提出了相应的反应机理,建立了各体系发电浸出速率与[Fe3 ]的动力学关系,对镍精矿、铜精矿、闪锌矿及方铅矿体系分别为:模型与实验结果吻合.     

用直接数值模拟对移动颗粒层除尘的研究及实验对比

利用气固两相流数值模拟计算模型，分别采用不同粒径的移动颗粒层过滤除尘器，对不同粒径粉尘颗粒的碰撞次数进行统计，并对移动床除尘中过滤介质尺寸与粉尘粒径尺寸之间的相互选择性进行了初步研究。模拟计算了在同一风速下碰撞次数与粉尘粒径以及移动层颗粒径之间的关系。计算统计的结果与实验结果对比发现，二者存在定性上的一致。结果表明，在移动床过滤除尘器中不同粒径的过滤层对不同粒径尘粒具有明显的选择性。