基于拍摄图像的槽式太阳能聚光器的光学误差诊断

来源 :华北电力大学(北京) | 被引量 : 0次 | 上传用户:yangshaoj2005
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
制定替代能源政策的必要性是因为人们认识到化石燃料也并不是无穷无尽的,并且对环境有着非常严重的危害。因此,在过去的几十年中,科学界一直致力于能够使用和转换可再生能源,特别是利用太阳辐射的系统。如今,使用太阳能集热系统作为供热来源的发电站相较于无储能系统的光伏电站,具有稳定性更高的优势,而且与有储能光伏电站相比具有储能成本低,使用周期长的优点。由于吸收器表面能流密度分布受到很多种因素的影响,而且能流密度的分布也会影响系统的稳定性和效率,太阳辐照导致的能流密度分布不均匀,会在吸收器的表面产生温差,从而产生热应力,当热应力超过集热器材料的承受力时就会导致管壁破裂等非常严重的生产事故,所以对能流密度分布的研究不仅可以提高系统发电效率,也是对系统安全有着极大的帮助。实际应用中,抛物面槽式集热器有很多光学误差,例如镜面斜率误差,安装误差和跟踪误差。图像检测对于使用生产中的大型设备是一种具有较大潜力的无接触检测技术。本文,使用CCD(电荷耦合器件)相机作为直接观察集热器的设备,而且也获取到了辐照度峰值的图像。CCD图像显示在吸收器的外壁有两条明亮的峰值,通过对比CCD图像和仿真结果,可以诊断出抛物面镜的变形以及斜率误差。图像同样显示了太阳跟踪误差也会导致辐照度的同步变化。辐照度图像检测方法不会影响槽式集热器的正常运行,是一种在线监测方法,非常方便现场应用。本文工作是在本课题组之前的包括太阳形状的蒙特卡洛模型上增加了镜面变形误差,进一步完善了槽式集热系统的理论模型,并结合实验结果对集热管表面能流密度分布进行分析诊断,对槽式光热电站的效率提高和系统诊断提供了理论基础支持。
其他文献
随着嵌入式系统技术的日益成熟,处理器的运算能力越来越强大,运算速度越来越快,人们对于嵌入式系统的应用也越来越多。但是在许多工业应用中,对于所使用工具的安全性和可靠性有极高的要求,一般的嵌入式操作系统,如Linux,安卓等还不能满足工业级别的安全要求,这就对既能够达到工业级安全认证要求,又可以快速运算的嵌入式系统产生了迫切的需求。本文所阐述的是一款同时拥有IEC 61508安全完整性三级认证(SIL
离散纵标法(SN)是常用的确定论屏蔽计算方法之一,空间网格划分对于SN方法求解粒子输运问题的计算精度至关重要。复杂屏蔽模型存在强非均匀效应,要求不同区域的几何描述精度不同。采用传统笛卡尔直角网格进行全局均匀细分往往会引入难以承受的计算成本,对输运计算效率和计算机存储提出挑战。本课题针对大尺寸复杂屏蔽问题,基于SN方法研究非均匀间断网格并行输运扫描算法,并采用角度多重网格加速方法进一步提高并行计算效
车联网(Internet of Vehicles,IoV)作为物联网(Internet of Things,IoT)的延伸,不仅可以为人们提供高效和舒适的驾驶体验,而且能够促使交通业务的多样化。为了获得高可靠性与低时延的车用无线通信技术(Vehicle To Everything,V2X)服务,广泛部署的移动边缘计算(Mobile Edge Computing,MEC)被认为是一个最有潜力的方案之
深度卷积神经网络被广泛应用于单图像超分辨率重建领域,显著提升了重建方法的性能。加深网络深度往往可以获取更高的性能。但是,当前超分辨率重建方法常采用增加卷积层层数或者卷积层个数的方式提高重建图像的性能,当卷积层层数或者个数增加时,模型的参数量,运行时间以及计算量也随之增加。现实世界中,由于硬件设备资源有限,此类方法实际应用中表现大打折扣。本文通过调研分析当前性能优越的单图像超分辨率重建方法,提出一种
隐写术是一种将信息或数据隐藏到数字图像中的技术。根据是否带有隐藏信息,可以将图像分为含密图像和载体图像。数字图像在表示上具有很高的冗余度,因此可用于隐藏数据。图像隐写术主要可以分为空间域和变换域。图像隐写术的最基本技术是利用最低有效位(LSB)替换隐写算法。存在大量可以将秘密信息或数据隐藏到数字图像中的隐写技术。每种方法各有利弊。因此,有必要建立更准确的隐写分析技术,能够检测出使用各种隐写方法所产
在数据库数据信息安全防护的过程中,不仅要避免外部攻击带来的重要信息泄露危害,同时还需要时刻关注内部违规引起数据库操作安全风险,尤其要注意数据库运维过程中带来的安全风险。现阶段运维安全审计系统对数据库的运维仅限于事故的追责,并没有对运维人员的权限及操作进行合理的管控。因此急需在数据库操作中加强运维管控技术来实现安全保障。本文从数据库运维操作的安全性出发,研究当前数据库运维操作过程中存在的缺陷和风险,
从自然场景获取的图像中读取文本,也被称为场景文本识别,是一项具有挑战性的计算机视觉任务。然而,场景文本识别模型的训练需要采用大型的训练集,训练集的体量和复杂性增加不可避免的带来了样本噪音的问题。样本噪音可降低场景文本识别模型的识别准确率从而影响模型的可用性,精心制作的少量的样本噪音就可对模型的可用性造成不可忽视的破坏。这种利用样本噪音对模型完整性、可用性造成破坏的攻击方法被称为数据投毒攻击。目前对
随着区块链技术的日益成熟,越来越多的系统以区块链为底层架构。而日益增多的物联网设备也产生了大量的数据。毫无疑问,这些数据被协同处理并共享后将产生更大的数据价值。考虑到这些数据分属不同的实体或个人,所以用安全多方计算来设计数据处理共享方案能很好的兼顾数据安全和隐私保护这两点要求。本文围绕区块链和安全多方计算技术展开相关研究。以区块链为基础,本文分别从横向并列的三个不同的角度进行研究:安全多方统计计算
单图像超分辨率重建是计算机视觉领域经典问题,旨在从一个给定的低分辨率图像中恢复出高分辨率图像。近年来,基于深度卷积神经网络的图像超分辨率技术取得了突出进展,许多有效方法相继被提出。但是,当前大多数方法通过简单堆叠残差块方式增加网络深度,虽然提升了网络性能,但是不可避免引入大量参数,限制了在移动或嵌入式等资源受限设备中的使用。本文提出了一种轻量级嵌套残差超分辨率网络,旨在构建一种参数量少、视觉效果良
对隐私数据保护在当今愈发重要。安全多方计算主要应用于隐私数据的联合计算,在保证隐私的前提下发掘数据的价值。安全多方计算提供了多方参与联合计算的解决方案,可以实现在不暴露隐私数据的前提下得到约定函数的结果。安全多方计算技术在电子投票方案的设计中发挥着重要作用。利用安全多方计算技术的安全电子投票方案可以有效的避免信息泄露的情况发生。基于安全多方计算的电子投票方案在具体实现中涉及很多相关领域的技术,包括