基于自主路径规划的光伏板表面自适应无水清洁技术。面向光伏板壁面全方位清洁检测的基本需求，针对光伏板表面结构化环境，研究并设计自适应路径规划算法，解决光伏板表面自适应清洁与缺陷检测死角问题，切实提高光伏板表面清洁度与表面检测范围，实现光伏板表面全面深度清洁与检测，最大化降低发电效率损失。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 苟益鹏 机器人产业学院/ 2020/2024 20497214 李川 机器人产业学院/自动化 2020/2024 20416216 张涵琳 机器人产业学院/自动化 2020/2024 20461106 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 徐淑玲 机器人产业学院 院长 智能制造 戴昌志 机器人产业学院 指导老师 人工智能 四、项目简介 目前市面上的清洁车无法做到完全无人化值守，我们希望能解决清洁车全自动化清洁问题。 基于自主路径规划的光伏板表面自适应无水清洁技术。面向光伏板壁面全方位清洁检测的基本需求，针对光伏板表面结构化环境，研究并设计自适应路径规划算法，解决光伏板表面自适应清洁与缺陷检测死角问题，切实提高光伏板表面清洁度与表面检测范围，实现光伏板表面全面深度清洁与检测，最大化降低发电效率损失。同时研究使用与光伏板表面的无水清洁技术，实现光伏表面的无水清洁，减低水资源使用，提升系统应用对环境的友好性。

晶硅光伏组件生产完成之后，必须经过外观检测，以确定是否有虚焊、碎片、异物等外观缺陷。一般而言，外观检测都是人工完成，具有工作烦累、容易出错等问题。晶硅光伏组件还要经历电致发光（ EL）测试，以确定是否有裂纹、黑芯片、硅片杂质缺陷、电极缺陷、片源不一致等问题。一般而言，这部分的检测都在设备中进行，目前的设备只能得到整个组件的 EL 测试图像，需要人工针对该图像进行缺陷分析，强烈依赖于检测人员的技术能力和责任心。本产品是晶硅光伏领域专家与机器视觉公司合作开发，将晶硅光伏组件的

本实用新型公开了一种光伏全覆盖式渔光互补高密度鱼类养殖系统，包括光伏发电系统和鱼类集约养殖系统，光伏发电系统包括太阳能电池组件、光伏支架、防雷汇流箱、逆变器集成工作箱、升压变压器、电网、充放电控制器、蓄电池组和逆变器；鱼类集约养殖系统包括提水增氧推水机、底增氧设备、吸污设备、增氧推水区、养殖区、粪便收集区、水质净化区、拦鱼栅网片、养殖设施墙体、水流导向设施，太阳能电池组件安装在整个鱼塘上部，太阳能电池组件的光伏板以阵列方式安装，阵列之间设4~12米的间距。本实用新型的光伏发电与鱼类露天式集约养殖一体化复合生产系统，能有效提高水面利用效率，大幅提高单位水面面积的经济效益，为河网地区水域资源利用提供一种重要途径。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

我们对如何通过预测控制的各要素设计，提升逆变系统的性能指标，进行研究，取得了良好的成果。对LCL型三电平逆变系统，我们在分析系统指标与系统控制量之间关系的基础上，设计了相应的基于个离散控制量的预测控制器，为解决该类非线性约束优化在线计算量大的问题，基于分值定界的思想提出了相应基于DSP的快速算法。为进一步提升逆变系统的效率等指标，我们提出了变系数的光伏逆变预测控制器，在目标函数中对电流跟踪和大电流时开关动作的抑制实现了统一，设计了相应的系数表达式并给出相关算法和实验结果。我们进一步研究了基于预测控制的微电网系统的调度问题，针对微电网群系统集中式优化计算量巨大的问题，我们从结合ADMM，从给出了系统的分布式预测控制器并对其在线迭代算法并进行了研究和验证。同时，我们对无线并联型逆变系统的稳定性进行了分析。达到了预期研究目标。

本发明提供一种太阳能自动跟踪光伏发电驱动系统，旨在提供一种以太阳能为能源的用于太阳能集热板转动的驱动系统，它包括太阳能槽式集热板、太阳能自动跟踪仪、太阳能电池组件、电机箱、电机、传动齿轮、转动轴、蓄电池。本系统在太阳光自动跟踪仪的带动下能全天候跟踪太阳光，通过太阳能电池组件的光伏发电为太阳能槽式集热板的转动提供动力源，使该系统具有很高的光能利用率和传质效率，采用固定式太阳能电池的效率一般在10%左右，而采用自动跟踪技术可使太阳能电池效率率达到20%左右。太阳能发电所提供的驱动动力源，使本系统摆脱外接电源的束缚，做到了高效节能，自给自足。

两轴跟踪是基于天文学理论编程实现的。在系统中使用了PLC，以控制两个伺服电机和相应的执行机构，这些执行机构使得系统能够跟踪太阳的轨迹。从而使系统能够在一天中，始终以最佳的倾角和方向对准太阳，进而最大限度地利用太阳能。  利用逆变器能够将光伏电池产生的直流电转变为交流电，进而直接输送到电网上。在白天有日照的情况下，光伏电池会将大部分的能量输送到电网上，而到了晚上光复电池装置会自动与电网断开。

T 型三电平电路结构，全数字化控制、低漏电流的 SVPWM 技术，产品功率等级为 10kW、12kW、 15kW、 17kW，适用于户用型及小型并网发电站，自主知识产权。

该产品功率等级为 3kW~4.6kW，具有双向功率流动特性，拓展产品应用范围，适用于低压输入的户用型及小型并网发电站，适用于储能系统、电动汽车充放电等， D2D 为模块化结构，功率易于扩容，高频电气隔离，更加安全可靠，高效、先进的软开关技术，自主知识产权。 峰值效率大于 96.5%； CEC 和欧洲效率大于 95%。

开发了一款300W的可以与光伏板背板接线盒完全集成的光伏能量优化器，达到的效果：效率98%，可以追踪光伏最大功率，可以适用于多种负载（逆变器、孤岛负载、储能负载等）。技术特点及创新点（1）功率密度大，可以和现有光伏电池板完全集成（2）快速追踪光伏最大功率，无净差（3）自动判别不同负载，针对负载情况快速切换运行状态应用领域： 新能源