托布带：克重4600g/㎡，厚度10mm 吸油毡：厚度10~20mm 适用于：人造毛皮行业，毛纺行业，烫光机、烫剪机以及各类进口、国产机械以上产品规格根据客户需求均可定制。

在光伏发电系统中，光伏组件输出功率-电压（P-V）特性呈现非线性，并具有最大功率点，且其最大功率点随着光照和环境温度等因素变化而变化。然而光伏发电系统周围常常存在建筑物或是树木等遮挡物，其在光伏组件上形成的局部阴影不仅导致光伏组件输出功率降低，而其P-V特性曲线出现多个极值点。常用的扰动观察法和导纳增量法等最大功率跟踪方法容易陷入局部极值点，造成能量损失，效率低下。目前已有全局最大功率点跟踪算法只能被动的搜索光伏组件当前的全局最大功率点，且全局最大功率点的功率远小于当前光伏组件可输出的功率；同时，该算法的参数设计和实现比较复杂。本发明使得光伏组件在局部阴影等恶劣的光照效果下仍然只具有一个最大功率极值点，保障了全局最大功率极值点的实现。同时，可以匹配原有扰动观察法和导纳增量法设备，不会使后级设备增加额外的负担，具有通用性，提高了通用性。

本发明涉及一种钙钛矿薄膜光伏电池及其制备方法。所述的钙钛矿薄膜光伏电池采用可低温制备的 SnO2 作为电子传输层，用以取代传统的需要高温烧结的 TiO2 电子传输层。这种基于低温制备的 SnO2 电子传输层的钙钛矿薄膜光伏电池取得了14.60%的高光电转化效率，大大优于基于传统高温烧结的TiO2 电子传输层的钙钛矿太阳电池。SnO2 薄膜的化学性质稳定而且制备过程简单，极大地简化钙钛矿电池 的制备流程，有效地降低电池的制作成本，也能很好的改善钙

本发明涉及一种 SnO2 多孔结构钙钛矿光伏电池及其制备方法，属于光电子材料与器件领域。该钙 钛矿光伏电池电子传输层为覆盖于透明导电衬底之上的二氧化锡致密层和覆盖于二氧化锡致密薄膜之 上的二氧化锡多孔层。这种基于低温制备的多孔结构 SnO2钙钛矿多孔光伏电池取得了 12.58%的高光电 转化效率，高于用 SnO2 致密层作电子传输层的平面结构钙钛矿薄膜光伏电池。SnO2 这种氧化物耐酸碱， 带隙宽度大，作为电池窗口层紫外衰减低，对提高器件性能稳

在全球常规能源日益紧张的大环境背景下，太阳能是当今可再生能源开发利用的首选之一，其对常规能源短缺的可弥补性和可替代性的优势日益显现。太阳能既是一次能源，又是可再生能源。它资源丰富、利用方便，既可免费使用，又无需运输，对环境无任何污染。加强可再生能源开发利用，是应对日益严重的能源和环境问题的必由之路，也是人类社会实现可持续发展的必由之路。为了使太阳能的利用向实用化进一步推进，需大力加强太阳能技术的基础研究。太阳能利用的重要途径之一是研制太阳能光伏电池。进入本世纪以来，随着太阳能光伏电池效率的提高和成本的降低，其相关光伏发电产品逐步从个别高端应用领域转向国民经济的各个领域，其未来发展前景十分看好。光伏电池组件简称PV构件，是一种暴露在阳光下会产生直流电的发电装置，由几乎全部以半导体材料(例如硅)制成的薄身固体光伏电池组成。光伏组件可以制成不同形状，而组件又可以连接，以适应建筑形式要求。由于光伏电池组件安装后长时间处于无人监控状态，所以需要定期检查、维修和护理，对于损坏的光伏组件给予更换，保证光电转换正常进行。PV构件和建筑集成后属于建筑的一部分，其健康程度直接影响到建筑的功能。尤其是光伏建筑一体化(BIPV：Building Integrated Photovoltaic)形式的建筑，PV构件的维修和更换是解决光伏产品在建筑中推广和应用所遇难题的有效措施。因为即使PV构件能达到与建筑同寿命，但随着PV新产品发电效率的快速提升和制造成本的迅速下降(如同计算机和手机产品的发展一样)，建筑既有PV构件的更新换代势在必行。所以，为了遵循市场发展规律，设计一种可更换、易维修的建筑PV构件，对满足当前光伏产业的市场需求很有必要。与现有技术相比，本发明不但设计简单、方便、灵活，安装成本低，而且在推广太阳能光伏建筑应用方面具有很大程度上的示范意义，对推进建筑节能等方面具有积极的现实意义。

本实用新型公开了一种光伏发电与鱼类露天式集约化养殖一体化复合生产系统，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，增氧推水区、养殖区和粪便收集区占鱼塘总面积的1%~5%。本实用新型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。

一种宽光谱、强吸收的表面光伏型光探测器的制备方法，其作法是：以钛箔为阳极，铂为阴极，对钛箔进行氧化，得非晶态TiO2纳米管阵列；经处理后，得TiO2纳米管阵列；将钛箔置于高温反应釜内，再将Na2S2O3、Bi(NO3)3水溶液注入密封反应釜，热处理得Bi2S3-TiO2纳米管阵列；在Bi2S3-TiO2纳米管阵列表面覆盖FTO，引出电极，在未生成Bi2S3-TiO2纳米管阵列的钛箔上引出电极，将FTO与钛箔及其Bi2S3-TiO2纳米管阵列的接触边缘封装即得本发明的光探测器。该方法能耗低，工艺、设备简单；制得物适用光谱范围大，适合做光谱分析；还可以做光敏开关等光电器件，具有广阔的应用前景。

本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

（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。