CN108008633A - 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 - Google Patents
包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 Download PDFInfo
- Publication number
- CN108008633A CN108008633A CN201711305411.1A CN201711305411A CN108008633A CN 108008633 A CN108008633 A CN 108008633A CN 201711305411 A CN201711305411 A CN 201711305411A CN 108008633 A CN108008633 A CN 108008633A
- Authority
- CN
- China
- Prior art keywords
- mrow
- photovoltaic
- irradiation level
- photovoltaic module
- msup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法，具体步骤为：确定光伏组件及光传感器的坐标位置；确定图像采集装置的拍摄位置及运动方式；在晴天无云、阴天、雨天天气情况和在多云的天气情况下，分别得到光伏阵列各个坐标位置的辐照度数据；将光伏电池板的各个组件的辐照度与其当前坐标进行一一对应，建立光伏组件的实时辐照度矩阵。本发明公开的方法在多种天气状况下，对光伏组件的辐照度进行全面分析与检测，提高了局部阴影分布范围和辐照度测量的准确度和速度；有利于准确预测光伏出力，提高***安全，稳定运行能力。
Description
技术领域
本发明属于光伏发电技术领域，具体涉及包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法。
背景技术
随着人类的发展，能源问题成为影响人类生存质量的重要问题。解决能源问题的一个主要方法是大力发展清洁能源、优化能源结构。而在新能源中，太阳能是非常重要的一部分。与其它新能源相比，太阳能资源丰富且在世界范围内分布较广，具有很大的开发潜力，并且随着太阳能电池板的制造以及光电并网技术的日益成熟，光伏发电也渐渐成为人们关注的焦点。人类可以基于半导体的光电效应，利用光照使不均匀半导体或半导体与金属结合的不同部位之间产生电位差，进而形成电压。光伏发电具有许多优点，无噪声，无污染，能量随处可得，不受地域限制，无需消耗燃料，无机械转动部件，故障率低，维护简便，可以无人值守，规模大小随意，无需架设输电线路，可以方便与建筑物相结合等。这些优点都是常规发电和其他发电方式所不能及的，所以新能源研究中光伏发电占据着十分重要的作用。
随着微网内光伏发电***容量的不断增大，在缓解能源危机和降低环境污染的同时，光伏出力的随机性、波动性和间断性等特点也对电网的安全、经济和优质运行带来了严峻挑战。建立辐照度与光伏组件坐标之间的关系，研究光伏组件局部辐照强度的变化对全局光伏电站出力的影响，有利于准确预测光伏出力，统筹安排常规电源和光伏发电的协调配合，提高***安全，稳定运行能力。
太阳能光伏发电出力预测对于光伏发电并网***的调度有着重要的意义，光伏发电出力与天气类型有直接关系，越是多云或是阴雨天气，光伏出力预测的误差越大。现有光伏发电预测模型大多建立在具有太阳辐照度预报的基础之上，然而，辐照度的变化具有动态性、多扰动性等特点，不同天气状况下，光伏组件所接受到的辐照度有所不同，即使在同一种天气状况下，如果有云彩遮挡，就会造成局部阴影，光伏阵列中各个光伏电池所接收到的辐照度和电池温度就会存在差异，导致光伏组件输出特性出现显著差异。局部阴影不仅削弱光伏阵列潜在的最大功率输出能力，而且导致光伏阵列的输出外特性更加复杂，给最大功率点跟踪控制、重构优化、发电功率预测等带来很大的困难。若要掌握整个光伏阵列的局部阴影状况，建立辐照度与光伏组件坐标之间的对应关系，通常需要安装大量的光传感器，以实现对辐照度的精细化测量。大量的传感器意味着建设成本高和***复杂，对局部阴影测量精细度要求越高，传感器的数量亦会成倍增加。
发明内容
针对现有技术的上述缺陷，本发明的目的在于提供包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法，在晴天无云、多云、阴天、雨天四种天气情况下建立辐照强度与光伏组件坐标之间关系，只需要少量的光传感器就能实现高精度、快速的光伏阵列辐照度分布数据测量，进而观测光伏组件局部辐照强度的变化对全局光伏电站出力的影响。
为实现上述目的，本发明提供了包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法，在晴天无云、多云、阴天、雨天四种天气状况下，建立辐照度与光伏组件坐标之间的关系，所述方法包括如下步骤：
步骤1.确定光伏组件及光传感器的坐标位置，具体过程为：
建立坐标系，以每块光伏电池板上光伏组件的中心坐标为光伏组件的位置坐标；
在所述光伏电池板的四角、四周中心和中心安装光传感器，用于测量相应位置的辐照度；
记录所述中心坐标位置及测量时间，并通过通信网络传送到光伏发电控制中心；
步骤2.确定图像采集装置的拍摄位置及运动方式，具体过程为：
利用所述图像采集装置拍摄所述光伏电池板的运行图像；
记录所述图像采集时刻的时间和坐标；
所述图像、拍摄时间和拍摄位置信息通过通信网络传送到所述光伏发电控制中心；
步骤3.在晴天无云、阴天、雨天天气情况下，整个光伏阵列的辐照度取所有光传感器测量值的平均，并将所述辐照度的值实时传送到所述光伏发电***控制中心，与所述光伏组件的坐标进行对应；
步骤4.在多云的天气状况下，对所述图像采集装置所采集到的图像进行切割，除去所述光伏电池板的边框部分，对剩余的光伏组件部分的图像进行局部阴影局域检测；
步骤5.对采集到的所述图像计算其灰度值均方差，若局部阴影范围内灰度值的均方差小于设定的阈值，则认为局部阴影处的辐照度是均匀的，否则，则认为局部阴影处的辐照度是不均匀的；
步骤6.根据所述图像拍摄时所述光传感器采集的所述光伏阵列的辐照度值，对照所述步骤5中得到的局部阴影辨识结果，拟合出光伏阵列各个坐标位置的辐照度数据，具体拟合过程如下：
若图像分析结果判断光伏阵列不存在局部明影，则整个光伏阵列的辐照度取所有光传感器测量值的平均；
若图像分析结果判断存在局部阴影且局部阴影处相照度较均匀时，阴影区域的辐照度水平取该区域内所有光传感器测量值的平均值，非阴影区域的辐照度则取该区域内所有光传感器测量值的平均值；
若图像分析结果判断存在局部阴影且局部阴影处相照度较均匀时，阴影区域的辐照度水平取该区域内所有光传感器测量值的平均值，非阴影区域的辐照度则取该区域内所有光传感器测量值的平均值；
步骤7.根据所述步骤6中的结果，将所述光伏电池板各个组件的辐照度与其当前坐标进行一一对应，建立所述光伏组件的实时辐照度矩阵。
进一步地，所述步骤1中的所述中心坐标分别为(x11，y11)、(x12，y12)、(x13，y13)、(x14，y14)......，在进行图像采集时，在所述光伏电池板周围安装运行轨道，所述图采集装置在所述运行轨道上运行。
进一步地，所述步骤4中所述检测方法为基于对立色彩空间的阴影检测法，具体步骤如下：
步骤4-1.读取图像中各像素的RGB值；
步骤4-2.将图像由RGB空间转换到CIEXYZ空间：
步骤4-3.将图像由CIEXYZ空间转换到CIELAB空间：
其中，X0、Y0、Z0是CIE标准照明体的三刺激值；
步骤4-4.对a*通道使用canny算子进行边缘检测：对b*通道使用canny算子进行边缘检测：其中，为阈值，且E1、E2为边缘图像；
步骤4-5.利用数学形态学的方法判断是否存在阴影，如果存在，利用所述数学形态学方法将光伏组件阴影区与非阴影区进行分割。
本发明为光伏电站提供了一种在多种天气情况下建立辐照度与光伏组件坐标之间关系的方法，使用基于对立色彩空间的阴影检测法，采用图像处理和传感器测量结合的方案，有益效果如下：
(1)在多种天气状况下，对光伏组件的辐照度进行全面分析与检测，并使用较少数量的传感器，灵活简便，实用性好：
(2)使用基于对立色彩空间的阴影检测法和灰度值的均方差的方法，提高局部阴影分布范围和辐照度测量的准确度和速度；
(3)建立辐照度与光伏组件坐标之间的关系，可反映光伏组件局部辐照强度的变化对全局光伏电站出力的影响，有利于准确预测光伏出力，提高***安全，稳定运行能力。
附图说明
图1是本发明一较佳实施例的建立辐照度与光伏组件坐标关联关系的方法流程示意图。
图2是本发明另一较佳实施例的图像采集装置位置分布示意图。
具体实施方式
下面对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法，在晴天无云、多云、阴天、雨天四种天气状况下，基于光传感器和图像采集装置，确定光伏板上局部阴影的范围和坐标，利用图像处理技术和计算机仿真技术获取光伏阵列实时辐照度的数值，建立辐照度与光伏组件坐标之间的关系，该方法的具体流程如图1所示，包括如下步骤：
步骤1.确定光伏组件及光传感器的坐标位置，具体过程为：
建立坐标系，以每块光伏电池板上光伏组件的中心坐标为光伏组件的位置坐标，坐标分别为(x11，y11)、(x12，y12)、(x13，y13)、(x14，y14)......；
在光伏电池板在光伏电池板的四角、四周中心和中心安装光传感器，用于测量相应位置的辐照度；
记录所述中心坐标位置及测量时间，并通过通信网络传送到光伏发电控制中心。
步骤2.确定图像采集装置的拍摄位置及运动方式，具体过程为：
利用所述图像采集装置拍摄光伏电池板的运行图像；
记录所述图像采集时刻的时间和坐标，用于与辐照度测量数据进行对应；
所述图像、拍摄时间和拍摄位置信息通过通信网络传送到所述光伏发电控制中心。
图像采集装置的固定安装时可能人为地引入局部阴影，为了获取较好的拍摄效果，提高局部阴影辨识精度，本发明的较佳实施例中在光伏电池板的周围安装运行轨道，让图像采集装置随太阳的东升日落不断改变位置，以避免装置自身的阴影对测量产生影响，位置分布如图2所示。
步骤3.在晴天无云、阴天、雨天天气情况下，光伏阵列组件内辐照度分布均匀，局部波动较小，整个光伏阵列的辐照度取所有光传感器测量值的平均，并将辐照度的值实时传送到光伏发电***控制中心，与光伏组件的坐标进行对应。
步骤4.在多云的天气状况下，光伏阵列可能会出现局部阴影，通过对图像采集装置所采集到的图像进行切割，除去光伏电池板的边框部分，对剩余的光伏组件部分的图像基于对立色彩空间的阴影检测法进行局部阴影局域检测，具体算法步骤如下。
步骤4-1.读取图像中各像素的RGB值；
步骤4-2.将图像由RGB空间转换到CIEXYZ空间：
步骤4-3.将图像由CIEXYZ空间转换到CIELAB空间：
其中，X0、Y0、Z0是CIE标准照明体的三刺激值；
步骤4-4.对a*通道使用canny算子进行边缘检测：对b*通道使用canny算子进行边缘检测：其中，为阈值，且E1、E2为边缘图像；
步骤4-5.利用数学形态学的方法判断是否存在阴影，如果存在，利用所述数学形态学方法将光伏组件阴影区与非阴影区进行分割。
步骤5.对采集到的所述图像计算其灰度值均方差，若局部阴影范围内灰度值的均方差小于设定的阈值，则认为局部阴影处的辐照度是均匀的，否则，则认为局部阴影处的辐照度是不均匀的。
步骤6.根据图像拍摄时光传感器采集的光伏阵列的辐照度数据，对照步骤5中得到的局部阴影辨识结果，拟合出光伏阵列各个坐标位置的辐照度数据：
若图像分析结果判断光伏阵列不存在局部明影，则整个光伏阵列的辐照度取所有光传感器测量值的平均；
若图像分析结果判断存在局部阴影且局部阴影处相照度较均匀时，阴影区域的辐照度水平取该区域内所有光传感器测量值的平均值，非阴影区域的辐照度则取该区域内所有光传感器测量值的平均值；
若图像分析结果判断存在局部阴影且局部阴影处相照度较均匀时，阴影区域的辐照度水平取该区域内所有光传感器测量值的平均值，非阴影区域的辐照度则取该区域内所有光传感器测量值的平均值；
步骤7.根据所述步骤6中的结果，将光伏电池板各个组件的辐照度与其当前坐标进行一一对应，建立光伏组件的实时辐照度矩阵。
通过分析光伏组件的实时辐照度矩阵，能够观测光伏组件局部辐照强度的变化对全局光伏电站出力的影响。
以上实施例公开的在多种天气情况下建立辐照度与光伏组件坐标之间关系的方法，使用基于对立色彩空间的阴影检测法，采用图像处理和传感器测量结合的方案，在多种天气状况下，对光伏组件的辐照度进行全面分析与检测，并使用较少数量的传感器，灵活简便，实用性好；使用基于对立色彩空间的阴影检测法和灰度值的均方差的方法，提高局部阴影分布范围和辐照度测量的准确度和速度；有利于准确预测光伏出力，提高***安全，稳定运行能力。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (3)
1.包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法，在晴天无云、多云、阴天、雨天四种天气状况下，建立辐照度与光伏组件坐标之间的关系，其特征在于，所述方法包括如下步骤：
步骤1.确定光伏组件及光传感器的坐标位置，具体过程为：
建立坐标系，以每块光伏电池板上光伏组件的中心坐标为光伏组件的位置坐标；
在所述光伏电池板的四角、四周中心和中心安装光传感器，用于测量相应位置的辐照度；
记录所述中心坐标位置及测量时间，并通过通信网络传送到光伏发电控制中心；
步骤2.确定图像采集装置的拍摄位置及运动方式，具体过程为：
利用所述图像采集装置拍摄所述光伏电池板的运行图像；
记录所述图像采集时刻的时间和坐标；
所述图像、拍摄时间和拍摄位置信息通过通信网络传送到所述光伏发电控制中心；
步骤3.在晴天无云、阴天、雨天天气情况下，整个光伏阵列的辐照度取所有光传感器测量值的平均，并将所述辐照度的值实时传送到所述光伏发电***控制中心，与所述光伏组件的坐标进行对应；
步骤4.在多云的天气状况下，对所述图像采集装置所采集到的图像进行切割，除去所述光伏电池板的边框部分，对剩余的光伏组件部分的图像进行局部阴影局域检测；
步骤5.对采集到的所述图像计算其灰度值均方差，若局部阴影范围内灰度值的均方差小于设定的阈值，则认为局部阴影处的辐照度是均匀的，否则，则认为局部阴影处的辐照度是不均匀的；
步骤6.根据所述图像拍摄时所述光传感器采集的所述光伏阵列的辐照度值，对照所述步骤5中得到的局部阴影辨识结果，拟合出光伏阵列各个坐标位置的辐照度数据，具体拟合过程如下：
若图像分析结果判断光伏阵列不存在局部明影，则整个光伏阵列的辐照度取所有光传感器测量值的平均；
若图像分析结果判断存在局部阴影且局部阴影处相照度较均匀时，阴影区域的辐照度水平取该区域内所有光传感器测量值的平均值，非阴影区域的辐照度则取该区域内所有光传感器测量值的平均值；
若图像分析结果判断存在局部阴影且局部阴影处相照度较均匀时，阴影区域的辐照度水平取该区域内所有光传感器测量值的平均值，非阴影区域的辐照度则取该区域内所有光传感器测量值的平均值；
步骤7.根据所述步骤6中的结果，将所述光伏电池板各个组件的辐照度与其当前坐标进行一一对应，建立所述光伏组件的实时辐照度矩阵。
2.如权利要求1所述的建立辐照度与光伏组件坐标关联关系的方法，其特征在于，所述步骤1中的所述中心坐标分别为(x11，y11)、(x12，y12)、(x13，y13)、(x14，y14)......，在进行图像采集时，在所述光伏电池板周围安装运行轨道，所述图采集装置在所述运行轨道上运行。
3.如权利要求2所述的建立辐照度与光伏组件坐标关联关系的方法，其特征在于，所述步骤4中所述检测方法为基于对立色彩空间的阴影检测法，具体步骤如下：
步骤4-1.读取图像中各像素的RGB值；
步骤4-2.将图像由RGB空间转换到CIEXYZ空间：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>X</mi>
<mo>=</mo>
<mn>0.490</mn>
<mi>R</mi>
<mo>+</mo>
<mn>0.310</mn>
<mi>G</mi>
<mo>+</mo>
<mn>0.200</mn>
<mi>B</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>Y</mi>
<mo>=</mo>
<mn>0.177</mn>
<mi>R</mi>
<mo>+</mo>
<mn>0.812</mn>
<mi>G</mi>
<mo>+</mo>
<mn>0.011</mn>
<mi>B</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>Z</mi>
<mo>=</mo>
<mn>0.000</mn>
<mi>R</mi>
<mo>+</mo>
<mn>0.010</mn>
<mi>G</mi>
<mo>+</mo>
<mn>0.990</mn>
<mi>B</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
步骤4-3.将图像由CIEXYZ空间转换到CIELAB空间：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>L</mi>
<mo>*</mo>
</msup>
<mo>=</mo>
<mn>116</mn>
<msup>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>/</mo>
<msub>
<mi>Y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>3</mn>
</mrow>
</msup>
<mo>-</mo>
<mn>16</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>a</mi>
<mo>*</mo>
</msup>
<mo>=</mo>
<mn>500</mn>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>/</mo>
<msub>
<mi>X</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>3</mn>
</mrow>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>/</mo>
<msub>
<mi>Y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>3</mn>
</mrow>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>b</mi>
<mo>*</mo>
</msup>
<mo>=</mo>
<mn>200</mn>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>/</mo>
<msub>
<mi>Y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>3</mn>
</mrow>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>Z</mi>
<mo>/</mo>
<msub>
<mi>Z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>3</mn>
</mrow>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，X0、Y0、Z0是CIE标准照明体的三刺激值；
步骤4-4.对a*通道使用canny算子进行边缘检测：对b*通道使用canny算子进行边缘检测：其中，为阈值，且E1、E2为边缘图像；
步骤4-5.利用数学形态学的方法判断是否存在阴影，如果存在，利用所述数学形态学方法将光伏组件阴影区与非阴影区进行分割。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711305411.1A CN108008633A (zh) | 2017-12-11 | 2017-12-11 | 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711305411.1A CN108008633A (zh) | 2017-12-11 | 2017-12-11 | 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108008633A true CN108008633A (zh) | 2018-05-08 |
Family
ID=62057648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711305411.1A Pending CN108008633A (zh) | 2017-12-11 | 2017-12-11 | 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108008633A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108767872A (zh) * | 2018-05-18 | 2018-11-06 | 江苏大学 | 一种应用于风光混合储能微网***的模糊控制方法 |
| CN109884896A (zh) * | 2019-03-12 | 2019-06-14 | 河海大学常州校区 | 一种基于相似日辐照预测的光伏跟踪***优化跟踪方法 |
| CN111932006A (zh) * | 2020-08-04 | 2020-11-13 | 广州发展新能源股份有限公司 | 一种基于地面阴影图的光伏发电出力预测方法 |
| CN117239953A (zh) * | 2023-11-13 | 2023-12-15 | 四川大学 | 光伏阵列重构方法、装置及上位机 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103712685A (zh) * | 2013-09-29 | 2014-04-09 | 浙江工业大学 | 光伏阵列辐照度测量辨识方法 |
| KR20170058218A (ko) * | 2015-11-18 | 2017-05-26 | (주)다한테크 | 태양광 어레이의 부분 음영에 대비한 하이브리드 최대전력추종 제어방법 |
| CN106787729A (zh) * | 2017-02-08 | 2017-05-31 | 广西大学 | 一种局部阴影下提高光伏阵列输出效率的控制***及方法 |
| CN206490586U (zh) * | 2017-02-08 | 2017-09-12 | 广西大学 | 一种局部阴影下提高光伏阵列输出效率的控制*** |
| CN107168049A (zh) * | 2017-05-19 | 2017-09-15 | 浙江工业大学 | 光伏阵列输出特性曲线实时获取方法 |
| CN107340799A (zh) * | 2017-08-29 | 2017-11-10 | 潍坊学院 | 一种基于阴影检测的光伏阵列最大功率点跟踪方法 |
-
2017
- 2017-12-11 CN CN201711305411.1A patent/CN108008633A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103712685A (zh) * | 2013-09-29 | 2014-04-09 | 浙江工业大学 | 光伏阵列辐照度测量辨识方法 |
| KR20170058218A (ko) * | 2015-11-18 | 2017-05-26 | (주)다한테크 | 태양광 어레이의 부분 음영에 대비한 하이브리드 최대전력추종 제어방법 |
| CN106787729A (zh) * | 2017-02-08 | 2017-05-31 | 广西大学 | 一种局部阴影下提高光伏阵列输出效率的控制***及方法 |
| CN206490586U (zh) * | 2017-02-08 | 2017-09-12 | 广西大学 | 一种局部阴影下提高光伏阵列输出效率的控制*** |
| CN107168049A (zh) * | 2017-05-19 | 2017-09-15 | 浙江工业大学 | 光伏阵列输出特性曲线实时获取方法 |
| CN107340799A (zh) * | 2017-08-29 | 2017-11-10 | 潍坊学院 | 一种基于阴影检测的光伏阵列最大功率点跟踪方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王宁: "图像的阴影检测与去除算法研究", 《信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108767872A (zh) * | 2018-05-18 | 2018-11-06 | 江苏大学 | 一种应用于风光混合储能微网***的模糊控制方法 |
| CN109884896A (zh) * | 2019-03-12 | 2019-06-14 | 河海大学常州校区 | 一种基于相似日辐照预测的光伏跟踪***优化跟踪方法 |
| CN111932006A (zh) * | 2020-08-04 | 2020-11-13 | 广州发展新能源股份有限公司 | 一种基于地面阴影图的光伏发电出力预测方法 |
| CN117239953A (zh) * | 2023-11-13 | 2023-12-15 | 四川大学 | 光伏阵列重构方法、装置及上位机 |
| CN117239953B (zh) * | 2023-11-13 | 2024-01-26 | 四川大学 | 光伏阵列重构方法、装置及上位机 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105375878B (zh) | 一种在线检测和评估光伏***效率的方法 | |
| CN108008633A (zh) | 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 | |
| CN104680424B (zh) | 大型光伏电站的电压电能情况预估方法 | |
| CN103353952B (zh) | 一种基于地基云图的光伏功率预测方法 | |
| CN103761578B (zh) | 基于多元线性回归的太阳辐照预报方法 | |
| CN109615629A (zh) | 基于卷积神经网络的光伏板积灰状态图像识别***及其分析调控方法 | |
| CN107168049B (zh) | 光伏阵列输出特性曲线实时获取方法 | |
| CN105512760B (zh) | 基于神经网络的光伏电站发电量的计算方法及*** | |
| CN107742171B (zh) | 基于移动阴影图像识别的光伏电站发电功率预测方法 | |
| CN104166999B (zh) | 一种基于地基云图强度分层的云团提取方法 | |
| CN114881399B (zh) | 一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 | |
| CN105215034A (zh) | 实现光伏电站太阳能电池板智能清洗的***及方法 | |
| CN105720917B (zh) | 基于红外图像处理的光伏阵列热斑快速检测***及方法 | |
| CN107464038A (zh) | 一种太阳能光伏发电站的设计方法及*** | |
| CN105262441B (zh) | 基于红外图像的光伏阵列故障等级划分方法 | |
| CN107133685A (zh) | 光伏发电***发电量的预测方法及预测*** | |
| CN103712685B (zh) | 光伏阵列辐照度测量辨识方法 | |
| CN110210060A (zh) | 太阳能光伏板表面积灰程度的预测方法 | |
| CN108572011A (zh) | 一种基于机器视觉的光伏电池板积灰状态监测***及计算方法 | |
| CN114021741A (zh) | 一种基于深度学习的光伏电池板巡检方法 | |
| Swart et al. | Varying percentages of full uniform shading of a PV module in a controlled environment yields linear power reduction | |
| CN117350157A (zh) | 基于时空映射区域辐照度估计及分布式光伏功率预测方法 | |
| Yang et al. | Fast simulation modeling and multiple-PS fault diagnosis of the PV array based on I–V curve conversion | |
| CN116800172B (zh) | 一种光电转换方法及储能*** | |
| CN111488553A (zh) | 一种太阳辐照度计算方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180508 |
|
| WD01 | Invention patent application deemed withdrawn after publication |