基于神经网络预测与云层边缘跟踪的聚光太阳能聚光器智能互助追踪系统设计.docxVIP

PAGE2

基于神经网络预测与云层边缘跟踪的聚光太阳能聚光器智能互助追踪系统设计

摘要

聚光太阳能热发电作为一种高效的光热转换技术，其聚光场总效率极易受到云层遮挡导致的瞬态辐照波动影响。传统定日镜独立跟踪模式难以在云层快速移动时维持稳定的聚焦光斑能量，造成集热器局部过热与热应力冲击，严重制约系统安全与产能。本设计针对这一核心痛点，提出一种基于神经网络短时云层预测与云层边缘跟踪的智能互助追踪系统。系统首先利用全天空成像仪与气象传感器构建云层动态感知前端，通过卷积长短时记忆网络预测未来数分钟内的云层运动轨迹与遮挡分布。在此基础上，设计定日镜互助追光策略：被遮挡定日镜依据预测结果主动解耦焦点，将反射光束投射至相邻未被遮挡的定日镜区域，形成多点互助、协同补光的能量重分配机制。同时，结合云层边缘高梯度辐照特征，引入边缘跟踪算法控制部分定日镜跟踪云层边缘散射光，进一步补偿集热器受照不均。本文按照需求分析、总体设计、详细设计、实现与测试的工程递进思路，完成了系统架构设计、核心算法详细设计、控制软件实现及半物理仿真环境下的性能验证。测试结果表明，该系统在典型多云工况下可将集热器辐照均匀度提升37%，聚光场总效率较独立跟踪模式提高5.8%，且有效抑制了热应力波动。本设计的核心创新在于将辐照预测、互助补光与边缘跟踪融合为一体化协同控制框架，为下一代智能聚光场运行提供了一种高可靠、高效率的技术方案