一种基于牺牲阳极的地埋式电化学防腐阴极保护耦合装置

    公开(公告)号:CN118581461A

    公开(公告)日:2024-09-03

    申请号:CN202410786937.X

    申请日:2024-06-18

    摘要: 本发明实施例提供一种基于牺牲阳极的地埋式电化学防腐阴极保护耦合装置,属于光伏安全领域。该装置包括:牺牲阳极、光伏板阴极、耦合装置、参比电极以及连接件;其中,在光伏板螺旋桩布置所述牺牲阳极,耦合装置用于连接牺牲阳极和光伏板阴极,确保电子流的稳定传输,参比电极用于监测土壤电位,以确保牺牲阳极的保护效果,连接件用于固定牺牲阳极和参比电极在边坡土体中。通过牺牲阳极的防腐作用,将光伏板金属部分作为阴极,利用牺牲阳极的阳极溶解来提供保护电流,从而防止光伏板金属部分的电化学腐蚀,提高耐久性。同时,参比电极用于监测土壤电位,确保牺牲阳极的保护效果达到最佳状态。

    一种防爆集装箱式储能系统和防爆方法

    公开(公告)号:CN117393875A

    公开(公告)日:2024-01-12

    申请号:CN202311381211.X

    申请日:2023-10-23

    摘要: 本发明涉及一种防爆集装箱式储能系统和防爆方法,属于能源储备技术领域,包括集装箱,集装箱内设有惰性气体储存罐和设在集装箱顶端的气流管道;气流管道的下端均匀设有出气孔;惰性气体储存罐的出气端连接气流管道;惰性气体储存罐连通气流管道的管道上设置有单向阀,单向阀信号连接有控制器;电池模组的外侧设有气体传感器和碰撞传感器,气体传感器和碰撞传感器均与控制器信号连接。储能系统受到冲撞时,碰撞传感器监测冲撞信号并传给控制器,气体传感器监测集装箱内惰性气体的浓度并传给控制器,控制器根据碰撞的程度控制单向阀的打开程度,向集装箱内填充惰性气体,降低储能系统的燃烧和爆炸风险,提高集装箱式储能系统的安全性和稳定性。

    一种ISTA模型驱动的EALISTA压缩感知重建算法及系统

    公开(公告)号:CN115841139A

    公开(公告)日:2023-03-24

    申请号:CN202211547207.1

    申请日:2022-12-05

    摘要: 本发明涉及智能通信领域,尤其是一种ISTA模型驱动的EALISTA压缩感知重建方法,EALISTA算法以传统迭代收缩阈值算法为模型,对传统迭代收缩阈值算法进行展开,生成EALISTA神经网络,通过已知的传感矩阵,预先计算出分析矩阵,进而简化训练结构。网络采用类循环神经网络结构,每层重复输入传感信号,根据重建模型将激活函数用阈值函数替代,增加可解释性的同时优化恢复性能,使得恢复出的稀疏信号更精确,此方法经过多层神经网络,每层神经网络节点数都和要恢复出来的信号维度一致,能够以较小维度的权重矩阵来实现优异的恢复性能,而每层网络对应了模型中的每一次迭代,很好的结合了传统迭代收缩阈值算法的优秀恢复性能,体现出了模型驱动神经网络的优异性能。

    一种深度学习与索引调制结合的OFDM信号检测方法

    公开(公告)号:CN115913864A

    公开(公告)日:2023-04-04

    申请号:CN202211565254.9

    申请日:2022-12-07

    摘要: 本发明涉及通信领域,公开了一种深度学习与索引调制结合的OFDM信号检测方法,应用在基于索引调制的信号检测技术中,减少了OFDM系统中的ICI和PAPR,提高了接收端解调信号的性能,有效增强信号检测的能力。本发明首先搭建了OFDM‑IM系统框架,并利用OFDM‑IM系统框架随机生成比特序列、瑞利信道和加性高斯白噪声,对数据进行预处理,产生深度学习模型所需的数据集。其次,通过4层全连接神经网络对所得数据集进行离线训练,深度学习模型采用leaky_relu激活函数、Adam优化器以及自定义损失函数对结构进行优化,从而提高网络参数收敛性。本发明OFDM信号检测方法可以在4QAM、8QAM、16QAM方式下达到低于最大似然检测(ML)、贪婪检测(GD)和低复杂度对数似然比检测(LLR)算法的误码率。

    采用预激活残差单元和超分辨网络的OFDM信道估计方法

    公开(公告)号:CN116132239B

    公开(公告)日:2024-07-26

    申请号:CN202310046457.5

    申请日:2023-01-31

    IPC分类号: H04L27/26

    摘要: 本发明涉及通信技术领域,尤其是采用预激活残差单元和超分辨网络的OFDM信道估计方法。首先采用较少卷积滤波器的超分辨网络PResNet,进行OFDM系统信道估计,将导频处采用最小二乘信道估计法获得的信道矩阵看作是低分辨率图像上的像素点,再使用所提出的超分辨(Super Resolution)网络学习信道矩阵中的映射关系,最后通过插值层获得高分辨率的图像即精确、完整的信道矩阵。此外,本发明中将预激活残差单元与密集连接相结合的超分辨网络FullPResNet进行信道估计,将密集连接运用到残差单元中,在残差支路采用预激活来加速模型收敛,并使用PReLU代替ReLU,在不增加额外参数的情况下提高模型的拟合能力。

    一种高速公路IES智慧舱的协同优化调度方法

    公开(公告)号:CN118036968A

    公开(公告)日:2024-05-14

    申请号:CN202410185973.0

    申请日:2024-02-19

    摘要: 本发明提出的一种高速公路IES智慧舱的协同优化调度方法,包括:基于高速公路IES智慧舱的系统架构构建计算任务模型;收集高速公路IES智慧舱的系统运行数据;利用决策变量、目标函数和约束条件,对计算任务模型进行优化求解,生成运行优化方案;通过计算运行成本节约率,评估运行优化方案;执行运行优化方案。本发明通过计算任务与能量流之间的匹配,实现了在满足一定客户满意度前提下的运行成本的最小化。

    一种多目标分布式能源优化存储方法及装置

    公开(公告)号:CN117788205A

    公开(公告)日:2024-03-29

    申请号:CN202311552692.6

    申请日:2023-11-20

    摘要: 本发明提出的一种多目标分布式能源优化存储方法及装置,所述方法包括:建立由成本最小化和风电输出最大化两个优化目标的多目标函数;根据共享储能站的年成本、待连接风力发电站的年运营成本、共享储能站的年化投资成本和年运行成本、火力发电厂的年运营成本、多站点风力发电机向共享储能站供电的投资成本,计算出成本最小化的目标;定时采集风力发电厂的输出功率,并计算出相应的风电输出最大化目标;根据成本最小化的目标和风电输出最大化目标,利用多目标函数确定能源优化存储策略;利用NSGA‑II算法对能源优化存储策略进行优化。本发明能够对输电网内共用储能单元和多址风力发电机进行整体规划,并将成本最小化。