本发明公开了一种对色散聚光型太阳能发电系统的仿真建模方 法，包括：（1）利用简单太阳大气辐射传输模式，得到入射的太阳光 谱和辐射强度数据；（2）进行膜系设计，得到输入光谱的输出光谱范 围和输出透射/反射率；（3）对系统建模创建实际系统模型，得到各 个子太阳能电池上的投射光谱数据和辐射强度数据；（4）创建系统所 使用的单结/多结太阳能子电池模型，得到各个子电池的输出响应；（5） 根据各个子电池的输出响应和投射光谱数据分

本发明公开了一种用于聚光系统的非成像二次反射镜，其通过确定二次反射镜的母线参数，使得其能够将入射到一次抛物面的平行于轴线的光反射后汇聚到接收器上并形成均匀分布的圆斑，其特征在于，该非成像二次反射镜为凸型的非成像二次反射镜或凹型的非成像二次反射镜，其中，所述凸型的非成像二次反射镜设置在聚光系统的初级抛物面聚光器的焦点的上方，其曲面母线方程为：<mathsnum=""0001""><math>&l

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。

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   

产品详细介绍DR2800 型便携式分光光度计 DR/2800型便携式分光光度计，是哈希公司最新推出的分光光度计产品，既 可用于实验室测试，又可用于生产现场和野外水质测试。DR/2800型便携式分光光 度计具有优良的光学稳定性。其独特的条形码自动识别、自动测定试剂空白、自动读取功能，大大简化了实验操作过程，使测试方法更加简便、快捷。 DR/2800型便携式分光光度计内置有240多种测试方法的应用程序（可测量参数请参考样本中《哈希比色法测量参数列表》），该仪器可广泛应用于工业、市政、环保、教育等领域的水质监测。其特点为： ●  触摸屏式的屏幕设计使操作更加简便、快捷； ●  中文菜单显示； ●  当使用哈希公司标有条形码的TNT plusTM 预制试剂管时，DR2800具有自动 识别测试方法的功能； ●  USB接口便于使用U盘进行应用程序的更新； ●  两种供电模式：（1）电池供电；（2）交流电源供电：通用型的电源适配器，适用于不同的电源插座； ●  便携式设计：（1）在野外使用，电源由电池提供；（2）坚固的手提箱既可存放仪器，又可安全运输，且携带方便； DR/2800型便携式分光光度计具有数据存储功能，可存储500个实验数据点，数据点包括日期、时间、测试结果、样品 名称、实验员代号等信息。数据可以通过USB接口，连接数据线，直接下载至计算机，便于数据的存储与管理。 技术指标： 波长范围：340～900nm 带    宽：5nm 波长选择：根据方法自动选择波长 波长校准：自动校准 读数模式：透过率、吸光度与浓度 界   面：USB1.1 电    源：（1）交流供电：100-240V，47-63 Hz；（2）电池供电：可充电的锂电池 重    量：4.06kg（不带电池）／4.38kg（带电池） 操作环境：10～40℃（32～104OF）；90%相对湿度，无冷凝现象 标准配置： DR2800-01  包括如下配置： DR/2800  分光光度计、A型适配器—适用于1厘米的方形比色池、B型适配器—适用于多光程比色池及流通池、C型适配器—适用于1英寸圆形比色池及安瓿瓶、保护罩、遮光罩、1对1英寸方形比色池（10mL）、通用型电源适配器（配有转换插头）、手册等 DR2800-01B  包括如下配置： 除了包括DR2800-01的配置外，还配有可充电的锂电池

（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。

硅棒切割是太阳能光伏电池制造工艺中的关键部分，需要将多（单）晶硅棒切割成 薄片，切割过程中需要一种硅棒切割胶，可以暂时性固定硅棒，切割完成后又能够简单 迅速的剥离掉胶层。作为太阳能行业的必要耗材，国内切割胶市场完全被国外产品垄断， 价格昂贵且供货受到制约，而国内公司尚无同类型产品上市。 本项目正是基于此类新能源技术国产化真空，研发了一种新型的硅棒切割胶，解决 了新能源太阳能行业关键耗材的国产化问题，填补国内技术空白，打破国外大公司市场 垄断。 本项目团队同时开发完成以及正在开发许多用于新能源（太阳能及 LED 等）、汽车、 电子电器等先进制造业用各种胶粘剂及新材料项目。在新材料的产业化开发方面拥有较 雄厚的实力。