为了进一步提高系统的能量利用率, 设计了一种基于智能充电控制的光纤供能系统。系统采用充电控制装置对后级负载稳定供能并灵活调控储能模块的充电方式, 实现对远端富余的能量快速存储和合理利用, 并基于反馈信号实现对系统工作状态的实时调控。实验结果表明: 所提系统在不同场景下能够根据远端的负载及器件的工作状态自动调整本地激光源的输出功率, 从而保证供能系统的安全工作; 当光供能不足时, 所储存的能量可作为备用能源对传感器件或应用设备进行紧急供能。

在温度高于0 K时任何物质均具备发射电磁波的基本属性，然而物体的热辐射特性并不是一成不变的，可以通过多种手段来进行静态或者动态的调控。本文在简要回顾红外辐射的基本物理原理的基础上，围绕无机选择性红外辐射材料方面代表性的研究工作重点讨论了近年出现的基于各种微纳光子结构，对红外辐射光谱进行静态和动态调控的前沿技术和热点问题进行了总结，并对相关材料和技术在光子学、能源等领域的前沿应用作了简要介绍。最后，本文对基于无机材料的红外调控的现存问题作了总结、并对潜在研究方向作了展望。

传统光伏面板缺陷检测任务以人工目视方法为主，存在效率低、精度差、成本高等问题。提出基于深度学习的融合光伏面板可见光图像与红外图像的缺陷检测网络，即多源图像融合网络(Multi-source Fusion Network, MF-Net），实现光伏面板的缺陷检测。 MF-Net以 YOLOv3 tiny为主干结构，并针对光伏面板缺陷特征进行网络结构改进。其中包括：在特征提取模块中增加网络深度并融入密集块结构，使得 MF-Net能够融合更多高层语义信息的同时增强特征的选择；将双尺度检测增加为三尺度检测，以提高网络对不同尺寸缺陷的适用度。此外，提出自适应融合模块，使特征图融合过程中可以根据像素邻域信息自适应分配融合系数。实验结果表明，相比基于 YOLOv3 tiny的融合网络，改进后的融合检测网络 mAP提高 7.41%；自适应融合模块使 mAP进一步提升 2.14%，且自适应融合模块能够有效提高特征的显著性；在与单一图像（仅有可见光图像或红外图像）的检测网络及其他融合图像检测网络的对比实验中，所提出的网络 F1 score最高（F1＝0.86）。

为解决电力系统供应侧和需求侧协同规划效果不佳的问题, 提出了分布式光伏接入的电力系统源网荷储协同规划数值模拟方法。深入分析分布式光伏接入对电力系统电能质量的影响, 以及电力系统源网荷储互动特性, 构建电力系统源网荷储规划数值模型; 利用动态加权的多目标粒子群优化算法求解模型, 实现电力系统源网荷储协同规划。数值模拟结果表明：该方法能改善分布式光伏接入电力系统后的电压波动和电压越限问题, 并能协调匹配电力系统供应侧的出力和需求侧的负荷, 可获得较大的分布式光伏接入容量。

目前利用无人机获取光伏组件红外影像数据越来越多地应用于光伏组件故障检测中。但光伏组件红外影像数据各类别样本相似度较高，现有深度学习模型的光伏组件红外影像特征提取能力较低，导致光伏组件多故障类型分类精度偏低。针对以上问题，基于ResNet（residual network）模型构建ResPNet（residual photovoltaic network）模型进行光伏组件红外影像故障检测。ResPNet模型在ResNet模型基础上，加入了底层特征信息增强模块、多尺度特征信息增强模块、全局特征信息增强模块，用于提升模型的光伏组件红外影像特征提取能力。在公开的光伏组件红外影像数据集Infrared Solar Modules上进行实验，ResPNet模型的12类光伏组件红外影像分类精度达到84.6%，不但优于ResNet-50模型，而且优于其他的光伏组件红外影像分类模型。通过级联多个ResPNet模型，取得了该数据集目前已知最高的12类光伏组件红外影像分类检测精度（85.9%）。

采用混相配体交换的方法成功实现了载流子迁移率近2个量级的提升，达到1 cm²/（V·s），同时还可以灵活调控N型、本征型和P型等掺杂类型。在此基础上，使用本征型碲化汞胶体量子点薄膜制备短波及中波红外光伏型探测器。截止波长为1.9 μm的短波红外探测器在300 K下的响应率为0.9 A/W，比探测率为4×10¹¹ Jones；截止波长为4.2 μm的中波红外探测器在110 K下的响应率为1.1 A/W，比探测率为1.2×10¹¹ Jones。在没有施加偏置电压的情况下，300 K下的短波红外光电探测器的外量子效率可以达到61%，110 K下的中波红外光电探测器的外量子效率可以达到30%。