水质监测仪光伏系统常常因为能量分配不合理造成系统寿命缩短和能量浪费等问题。为此研究一种基于水质监测仪光伏系统的优化配置模型与能量调度方法,通过满足最大连续阴暗天数和最大吞吐量为目标建立多级蓄电池储能光伏系统的优化配置模...水质监测仪光伏系统常常因为能量分配不合理造成系统寿命缩短和能量浪费等问题。为此研究一种基于水质监测仪光伏系统的优化配置模型与能量调度方法,通过满足最大连续阴暗天数和最大吞吐量为目标建立多级蓄电池储能光伏系统的优化配置模型,使得光伏系统在满足水质监测仪负载需求的同时提高蓄电池吞吐量。并在此数学模型基础上研究一种能量调度方法维持各级蓄电池的充放电深度(depth of discharge,DoD)平衡,以此延长储能系统的使用寿命并提高光伏利用率。本文应用该优化配置模型和能量调度方法搭建了水质监测仪的光伏系统,通过使用MATLAB/Simulink工具模拟平均气候下光伏系统工作得到配置模型的DOD误差为5.9%,对比传统单蓄电池配置策略,电池吞吐量提高了229.36%。通过连续15 d全天候实验,得到能量调度方法实现蓄电池DOD均衡相对平均偏差为1.06%,并通过连续3 d仅蓄电池供电的实验环境维持水质监测仪稳定运作。展开更多
文摘应用全光谱测量水体化学需氧量(chemical oxygen demand,COD)、硝酸盐氮(NO_(3)-N)浓度等水环境质量指标容易受水质环境影响,检测模型与特征波长一直是全光谱检测推广关注重点。该文提出一种基于遗传算法-径向基神经网络(genetic algorithm-radial basis function neural network,GA-RBFNN)全光谱水体COD与NO_(3)-N浓度检测方法,鉴于GA搜索能力强、随机性高的特点,对预处理后全光谱吸收数据应用GA进行特征波长选取,以RBFNN神经网络留K法训练过程中平均决定系数作为适应度函数,输出最优特征波长与RBFNN神经网络参数进行部署,从而实现水体COD、NO_(3)-N浓度准确测量。最后,开展GA-RBFNN、偏最小二乘(partial least squares,PLS)、GA-PLS、RBFNN四种模型对160组水样的COD、NO_(3)-N浓度检测实验,结果表明GA-RBFNN模型对COD、NO_(3)-N检测平均决定系数、最大误差分别为0.9964、0.9950和3.9%、4.9%,均优于其他模型,方法具有重要推广价值。
文摘水质监测仪光伏系统常常因为能量分配不合理造成系统寿命缩短和能量浪费等问题。为此研究一种基于水质监测仪光伏系统的优化配置模型与能量调度方法,通过满足最大连续阴暗天数和最大吞吐量为目标建立多级蓄电池储能光伏系统的优化配置模型,使得光伏系统在满足水质监测仪负载需求的同时提高蓄电池吞吐量。并在此数学模型基础上研究一种能量调度方法维持各级蓄电池的充放电深度(depth of discharge,DoD)平衡,以此延长储能系统的使用寿命并提高光伏利用率。本文应用该优化配置模型和能量调度方法搭建了水质监测仪的光伏系统,通过使用MATLAB/Simulink工具模拟平均气候下光伏系统工作得到配置模型的DOD误差为5.9%,对比传统单蓄电池配置策略,电池吞吐量提高了229.36%。通过连续15 d全天候实验,得到能量调度方法实现蓄电池DOD均衡相对平均偏差为1.06%,并通过连续3 d仅蓄电池供电的实验环境维持水质监测仪稳定运作。
