CN109756185A - 判断太阳能板阵列是否异常的计算机装置与方法 - Google Patents
判断太阳能板阵列是否异常的计算机装置与方法 Download PDFInfo
- Publication number
- CN109756185A CN109756185A CN201711135558.0A CN201711135558A CN109756185A CN 109756185 A CN109756185 A CN 109756185A CN 201711135558 A CN201711135558 A CN 201711135558A CN 109756185 A CN109756185 A CN 109756185A
- Authority
- CN
- China
- Prior art keywords
- group
- parameter
- solar array
- power generation
- computer installation
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 84
- 238000009434 installation Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000010248 power generation Methods 0.000 claims abstract description 73
- 230000007613 environmental effect Effects 0.000 claims abstract description 35
- 238000010276 construction Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000005286 illumination Methods 0.000 claims description 13
- 230000015556 catabolic process Effects 0.000 claims description 12
- 238000006731 degradation reaction Methods 0.000 claims description 12
- 238000000611 regression analysis Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012850 discrimination method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/30—Electrical components
- H02S40/32—Electrical components comprising DC/AC inverter means associated with the PV module itself, e.g. AC modules
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明的实施例关于一种判断太阳能板阵列是否异常的计算机装置与方法。于所述实施例中,计算机装置根据太阳能板阵列的一组目前环境参数,利用一目前发电量计算模型计算出太阳能板阵列的一组目前参考发电量参数。计算机装置还根据太阳能板阵列的一组目前实际发电量参数与此组目前参考发电量参数之间的一对比来针对太阳能板阵列界定一发电量指标,并根据发电量指标判断太阳能板阵列是否异常。
Description
技术领域
本发明是关于一种计算机装置与判断方法。更具体而言,本发明是关于一种判断太阳能板阵列是否异常的计算机装置与方法。
背景技术
太阳能发电是一种将太阳的光能转换为电能的发电方式。为了实现太阳能发电,实务上,一太阳能***可包含多个串联的太阳能板(solar energy panel),其中每一个太阳能板可包含多个太阳能电池(solar energy cells),且这些太阳能电池用以将太阳的光能转换为电能。在太阳能***的运作过程中可能会发生异常,而为了判断其是否异常,通常是根据太阳能***的总发电量来判断是否异常。例如,当太阳能***的总发电量低于一总发电量门槛值,则判断太阳能***为异常的。然而,因判断太阳能***是否异常的依据是太阳能***的总发电量,故无法明确地反映出发生异常的是太阳能***中的那个部位。
另一方面,因太阳能***的总发电量对于天气变化是极度敏感的,这使得依据太阳能***的总发电量来判断其是否异常时,经常会因天气变化因素而误判。举例而言,在太阳能***的总发电量因为长时间处在没有太阳光的环境下而减少的情况下,就可能错误地将太阳能***判断为异常。换言之,如此无法辨识出因天气变化所造成的异常类别。因此,根据太阳能***的总发电量来判断其是否异常,并非是一种有效且准确的判断方法。
有鉴于此,如何更有效地判断太阳能***是否异常,且更准确地辨识出其异常部位以及异常类别,将是亟需解决的问题。
发明内容
为了解决至少上述的问题,本发明提供了一种判断太阳能板阵列(solar energypanel array)是否异常的计算机装置。此计算机装置可包含一储存器以及一电性连接至此储存器的处理器。此储存器可以用以储存一目前发电量计算模型(power generationcalculation model)、此太阳能板阵列的一组目前实际发电量参数与一组目前环境参数。此处理器可以用以根据此组目前环境参数,利用此目前发电量计算模型计算出此太阳能板阵列的一组目前参考发电量参数。此处理器还可根据此组目前实际发电量参数与此组目前参考发电量参数之间的一对比来针对此太阳能板阵列界定一发电量指标,并可根据此发电量指标判断此太阳能板阵列是否异常。
为了解决至少上述的问题,本发明的实施例还提供了一种判断太阳能板阵列是否异常的方法,可包含以下步骤:
由一计算机装置,根据此太阳能板阵列的一组目前环境参数,利用一目前发电量计算模型计算出此太阳能板阵列的一组目前参考发电量参数;以及
由此计算机装置,根据此太阳能板阵列的一组目前实际发电量参数与此组目前参考发电量参数之间的一对比来针对此太阳能板阵列界定一发电量指标,并根据此发电量指标判断此太阳能板阵列是否异常。
在本发明的实施例中,并非是针对一整个太阳能***是否异常进行判断,而是针对此太阳能***中的每一个太阳能板阵列是否异常分别进行判断。因此,在判断此太阳能***异常时,还可以明确地辨识出判断出是此太阳能***中的哪一个(或哪几个)太阳能板阵列异常,而这将有助于后续的异常修复。另一方面,在本发明的实施例中,用来判断一太阳能板阵列是否异常的一发电量指标与此太阳能板阵列的一组目前实际发电量参数和一组目前参考发电量参数之间的一对比有关,且此组目前参考发电量参数与此太阳能板阵列的一组目前环境参数有关。由于此组环境参数可包含与天气变化相关的各种参数,用以判断此太阳能板阵列是否异常的此发电量指标相当于已考量了天气变化这个因素。据此,在本发明的实施例中,不但可有效地降低错误地判断此太阳能板阵列异常的可能性,且在辨识异常类别时,除了可辨识出因设备损坏所造成的异常类别之外,还可在不受天气变化(例如,日照量变化)的影响下辨识异常类别。
发明内容整体地叙述了本发明的核心概念,并涵盖了本发明可解决的问题、可采用的手段以及可达到的功效,以提供本领域技术人员对本发明的基本理解。然而,应理解,发明内容并非有意概括本发明的所有实施例,而仅是以一简单形式来呈现本发明的核心概念,以作为随后详细描述的一个引言。
附图说明
为让本发明的上述目的、特征和优点能更明显易懂,以下结合附图对本发明的具体实施方式作详细说明,其中:
图1例示了在本发明的一或多个实施例中的一种太阳能***。
图2例示了在本发明的一或多个实施例中一种判断太阳能板阵列是否异常的计算机装置。
图3例示了在本发明的一或多个实施例中太阳能板阵列的时间历程。
图4例示了在本发明的一或多个实施例中一种太阳能板阵列的异常类别的辨识方法。
图5例示了在本发明的一或多个实施例中太阳能板阵列的数个异常类别。
图6例示了在本发明的一或多个实施例中的一种判断太阳能板阵列是否异常的方法。
图中元件标号说明如下:
1:太阳能***
A:太阳能板阵列
S:太阳能板串
P:太阳能板
M:总发电量电表
MPPT:最大功率追踪器
INV:变流器
11:传感器
2:计算机装置
21:储存器
23:处理器
25:数据传输接口
811:目前发电量计算模型
831:目前实际发电量参数
851:目前环境参数
833:历史实际发电量参数
853:历史环境参数
815:先前发电量计算模型
855:先前环境参数
9:网络
t1:第一时间点
t2:第二时间点
TD1:第一时间区间
TD2:第二时间区间
TD3:第三时间区间
4:辨识方法
401-411:辨识步骤
6:判断太阳能板阵列是否异常的方法
601-603:步骤
具体实施方式
以下所述各种实施例并非用以限制本发明只能在所述的环境、应用、结构、流程或步骤方能实施。于附图中,与本发明非直接相关的元件皆已省略。于附图中,各元件的尺寸以及各元件之间的比例仅是范例,而非用以限制本发明。除了特别说明之外,在以下内容中,相同(或相近)的元件符号可对应至相同(或相近)的元件。
图1例示了在本发明的一或多个实施例中的一种太阳能***。图1所示内容仅是为了说明本发明的实施例,而非为了限制本发明。参照图1,太阳能***1可包含多个太阳能板P、多个最大功率追踪器(Maximum Power Point Tracker)MPPT、多个变流器(inverter)INV、一总发电量电表M与一传感器11。
如图1所示,每一个太阳能板P可包含多个太阳能电池(solar cells)(未示出),以将太阳光通过光生伏打效应(photovoltaic effect)而将太阳光的光能转成电能。多个串联的太阳能板P与一个最大功率追踪器MPPT可以组成一太阳能板串S,以提供一直流输出。每一个太阳能板串S中的最大功率追踪器MPPT可以是一个直流对直流转换器,且其可以透过各种方法计算出此太阳能板串S的最大功率点,例如但不限于:扰动观察法、增量电导法、电流扫描法、定电压法等。每一个最大功率追踪器MPPT可以输出与其串联的所有太阳能板P所产生的直流输出电源。多个太阳能板串S可以组成一个太阳能板阵列A,且可连接到一个变流器INV。每一个变流器INV可以是一种利用高频电桥电路将直流电变换成交流电的电子元件,例如但不限于:半桥逆变器、全桥逆变器和三相桥式逆变器等。因此,每一个变流器INV可以将与其连接的太阳能板阵列A的直流输出转换为一交流输出,并将此交流输出传送至总发电量电表M。于某些实施例中,每一个变流器INV还可记录与其连接的太阳能板阵列A的实际发电量。
传感器11可以包含一或多个用以感测太阳能***1所处环境的各种环境参数的设备。举例而言,传感器11可任意地包含一温度计、一照度计、一湿度计、一空气品质监视器等设备,其中温度计可用以感测太阳能***1所处环境的温度参数,照度计可用以感测太阳能***1所处环境的照度参数,湿度计可用以感测太阳能***1所处环境的湿度参数,而空气品质监视器可用以感测太阳能***1所处环境的空气品质参数。
以上针对图1所提及的连接关系,根据不同的需求,可以是直接连接(即,未经由其他特定功能的元件来相互连接),也可以是间接连接(即,经由其他特定功能的元件来相互连接)。
图2例示了在本发明的一或多个实施例中一种判断一太阳能板阵列是否异常的计算机装置。图2所示内容仅是为了说明本发明的实施例,而非为了限制本发明。参照图2,一计算机装置2可包含一储存器21与一处理器23。于某些实施例中,计算机装置2还包含一数据传输接口25。储存器21、处理器23与数据传输接口25三者可互相连接,且此三者的连接关系可以是直接连接(即,未经由其他特定功能的元件来相互连接),也可以是间接连接(即,经由其他特定功能的元件来相互连接)。举例来说,储存器21可以直接连接至数据传输接口25,也可以透过处理器23间接连接至数据传输接口25。
处理器23可以是各种具备信号处理功能的微处理器(microprocessor)或微控制器(microcontroller)。微处理器或微控制器是一种可编程的特殊集成电路,其具有运算、储存、输出/输入等能力,且可接受并处理各种编码指令,以进行各种逻辑运算与算术运算,并输出相应的运算结果。
储存器21可包含第一级存储器(又称主存储器或内部存储器),通常简称为存储器,这层的存储器与处理器23直接连通。处理器23可读取储存在第一级存储器的指令集,并在需要时执行这些指令集。储存器21还可包含第二级存储器(又称外部存储器或辅助存储器),且第二级存储器和处理器23并没有直接连通,而是透过存储器的I/O通道来与的连接,并使用数据缓冲器来将数据传送至第一级存储器。在不供应电源的情况下,第二级存储器的数据仍然不会消失(即非挥发性)。第二级存储器可例如是各种类型的硬盘、光盘等。储存器21亦可包含第三级储存装置,亦即,可直接***或自电脑拔除的储存装置,例如随身盘。
数据传输接口25可包含用以让计算机装置2连接到图1所示的太阳能***1及/或连接到一网络9(任一无线网络及/或任一有线网络)的各种网络界面,例如但不限于:一以太(Ethernet)通讯接口、一互联网(Internet)通讯接口、一Wi-Fi网络通讯接口、一LTE网络通讯接口等等。
在数据传输接口25与图1所示的太阳能***1连接的情况下,计算机装置2可经由数据传输接口25直接接收来自太阳能***1的各种数据(包含传感器11所感测的数据)。在数据传输接口25没有与图1所示的太阳能***1连接,但网络9与图1所示的太阳能***1连接的情况下,计算机装置2可经由数据传输接口25与网络9接收来自太阳能***1的各种数据(包含传感器11所感测的数据)。
于某些实施例中,计算机装置2还可包含一输入/输出接口(未示出),例如但不限于:鼠标、轨迹球、触控板、键盘、扫描器、麦克风、使用者接口、屏幕、触控式屏幕、投影机等等。此输入/输出接口可与储存器21、处理器23与数据传输接口25直接或间接连接。透过此输入/输出接口,使用者可以将外部的数据储存至储存器21,也可将储存在储存器21的数据输出到外部。
继续参照图2,储存器21可用以储存一目前发电量计算模型811。此目前发电量计算模型811可以是一回归分析模型,且此回归分析模型可以表示为一与太阳能板阵列A的发电量及其环境参数有关的方程式。环境参数可以包含各种参数类别,例如但不限于以下至少一种以下:照度、温度、湿度、空气品质等等。举例而言,在只考虑太阳能板阵列A的某一项环境参数(例如,照度)的情况下,目前发电量计算模型811可以表示如下:
y=a1x1+a0 (1)
其中x1是照度,y值是发电量,而a1与a0是预先经由回归分析所产生的回归系数。
另举例而言,在考虑太阳能板阵列A的某二项环境参数(例如,照度与温度)的情况下,目前发电量计算模型811可以表示如下:
其中x1是照度,x2是温度,y值是发电量,而b1、b2与b0是预先经由回归分析所产生的回归系数。
于某些实施例中,处理器23本身可不用以建构目前发电量计算模型811,而是从计算机装置2外部直接将建构好的目前发电量计算模型811储存至储存器21。于某些实施例中,处理器23本身也可用以建构目前发电量计算模型811。
图3例示了在本发明的一或多个实施例中一太阳能板阵列的时间历程。图3所示内容仅是为了说明本发明的实施例,而非为了限制本发明。参照图2与图3,在处理器23可用以针对一太阳能板阵列A建构一目前发电量计算模型811的情况下,储存器21可用以储存此太阳能板阵列A的一组历史实际发电量参数833与一组历史环境参数853。此组历史环境参数853可以包含各种参数类别,例如但不限于以下至少一种以下:照度、温度、湿度、空气品质等等。
此组历史实际发电量参数833与此组历史环境参数853可以包含此太阳能板阵列A在第二时间点t2之前的一第二时间区间TD2内所取样的多个历史实际发电量数值以及多个历史环境数值。第二时间区间TD2的长度、此些历史实际发电量数值的取样数量以及此些历史环境数值的取样数量,可以根据不同的需求而设定。举例而言,假设第二时间点t2是建构目前发电量计算模型811的时间点,则第二时间区间TD2的长度可以例如是六个月、一年、两年等等,且此些历史实际发电量数值与此些历史环境数值可以分别包含在第二时间区间TD2中每一天某些特定时间点的发电量(例如每天早上九点钟至下午三点钟每一个小时的平均发电量)以及环境数值(例如每天早上九点钟至下午三点钟每一个小的平均环境数值)。
处理器23可用以针对此组历史实际发电量参数833与此组历史环境参数853进行一回归分析,以建构此目前发电量计算模型811,并将此目前发电量计算模型811储存至储存器21。具体而言,处理器23可以利用各种回归分析方法(例如,复变量回归最小平方法),将此组历史实际发电量参数833与此组历史环境参数853输入到一预设回归分析模型(例如,方程式(1)或(2)),然后计算出此预设回归分析模型的回归系数(例如,方程式(1)中的回归系数a1与a0或方程式(2)中的回归系数b1、b2与b0),借此建构出此目前发电量计算模型811。
继续参照图2与图3,储存器21可用以储存此太阳能板阵列A的一组目前实际发电量参数831与一组目前环境参数851。此组目前环境参数851可以包含各种参数类别,例如但不限于以下至少一种以下:照度、温度、湿度、空气品质等等。此组目前实际发电量参数831可包含在第二时间点t2之后的一第一时间区间TD1内分别对应至多个特定时间点的多个目前实际发电量数值,而此组目前环境参数851可包含在第二时间点t2之后的第一时间区间TD1内分别对应至此些特定时间点的多个目前环境数值。在此目前发电量计算模型811是由处理器23所建构的情况下,第二时间点t2可以是在此目前发电量计算模型811被处理器23建构之后的某一时间点。在此目前发电量计算模型811不是由处理器23所建构的情况下,第二时间点t2可以是在此目前发电量计算模型811被储存到储存器21之后的某一时间点。
第一时间区间TD1的长度以及第一时间区间TD1所包含的多个时间点可以根据不同的需求而设定。举例而言,假设第二时间点t2是某一天的早上八点钟,而第一时间区间TD1可以是八小时,且第一时间区间TD1可以包含八个时间点,分别是早上九点钟、十点钟、十一点钟、十二点钟与下午一点钟、二点钟、三点钟、四点钟。另举例而言,假设第二时间点t2是某一天的早上八点钟,第一时间区间TD1也可以是九小时,且第一时间区间TD1可以包含三个时间点,分别是早上十一点钟与下午二点钟、五点钟。
处理器23可用以根据此组目前环境参数851,利用此目前发电量计算模型811计算出此太阳能板阵列A的一组目前参考发电量参数。具体而言,处理器23可将第一时间区间TD1所包含的多个特定时间点的多个目前环境数值分别输入到此目前发电量计算模型811中(例如,回归系数已知的方程式(1)或(2)),以分别计算出第一时间区间TD1所包含的多个特定时间点的多个目前参考发电量数值(例如,回归系数已知的方程式(1)或(2)中的发电量y),借此取得此组目前参考发电量参数。
在计算出此太阳能板阵列A的此组目前参考发电量参数之后,处理器23可用以根据此组目前实际发电量参数831与此组目前参考发电量参数之间的一对比来针对此太阳能板阵列A界定一发电量指标。举例而言,处理器23可将此组目前实际发电量参数831与此组目前参考发电量参数在第一时间区间TD1所包含的多个特定时间点的多个参数的比值(此些实际发电量数值除以此多个参考发电量数值的多个比值)所呈现的曲线界定为此发电量指标。如后所述,根据此发电量指标,处理器23便可判断此太阳能板阵列A是否异常,且辨识出太阳能板阵列A的异常类别。
继续参照图2与图3,于某些实施例中,此储存器21还可用以储存一先前发电量计算模型815与此太阳能板阵列A的一组先前环境参数855。此先前环境参数855可包含在第一时间点t1与第二时间点t2之间的一第三时间区间TD3内对应至多个特定时间点的多个先前环境数值。此组先前环境参数855可以包含各种参数类别,例如但不限于以下至少一种以下:照度、温度、湿度、空气品质等等。
如同此目前发电量计算模型811,处理器23本身可不用以建构此先前发电量计算模型815,也可用以建构此先前发电量计算模型815。在此先前发电量计算模型815是由处理器23所建构的情况下,第一时间点t1可以是在此先前发电量计算模型815被处理器23建构之后的某一时间点。在此先前发电量计算模型815不是由处理器23所建构的情况下,第一时间点t1可以是在此先前发电量计算模型815被储存到储存器21之后的某一时间点。第三时间区间TD3的长度以及此些先前环境数值的取样数量可以根据不同的需求而设定。举例而言,第三时间区间TD3的长度可以是一个月、三个月、六个月、一年或一年以上。而此些先前环境数值可以包含在第三时间区间TD3中每一天某些特定时间点的环境数值(例如每天早上九点钟至下午三点钟每一个小时的平均环境数值)。
处理器23可用以根据此组先前环境参数855,利用此目前发电量计算模型811计算出此太阳能板阵列A的一组第一发电量参数,且利用此先前发电量计算模型815计算出此太阳能板阵列A的一组第二发电量参数。然后,处理器23可借由比较此组第一发电量参数与此组第二发电量参数,决定是否要计算此太阳能板阵列A的此组目前参考发电量参数。
具体而言,处理器23可将在第三时间区间TD3取样所得的多个先前环境数值分别输入到目前发电量计算模型811中(例如,回归系数已知的方程式(1)或(2)),以计算出多个第一发电量数值(例如,回归系数已知的方程式(1)或(2)中的发电量y),而这些第一发电量数值即为此组第一发电量参数。另外,处理器23可将在第三时间区间TD3取样所得的此些先前环境数值分别输入到先前发电量计算模型815中(例如,回归系数已知的方程式(1)或(2)),以计算出多个第二发电量数值(例如,回归系数已知的方程式(1)或(2)中的发电量y),而这些第二发电量数值即为此组第二发电量参数。然后,处理器23可计算此组第一发电量参数与此组第二发电量参数的比值(即,此些第一发电量数值除以此些第二发电量数值的多个比值)的一平均值,并根据此平均值决定是否要计算此太阳能板阵列A的此组目前参考发电量参数(即,是否要计算此发电量指标)。
若此组第一发电量参数与此组第二发电量参数之间的差异过大(亦即,此平均值超过一预设的门槛值),则表示此目前发电量计算模型811与此先前发电量计算模型815之间的差异过大,也因此,处理器23可判断此目前发电量计算模型811并不适合用来计算此太阳能板阵列A的此组目前参考发电量参数(即,不适合用来计算此太阳能板阵列A的此发电量指标)。此目前发电量计算模型811与此先前发电量计算模型815之间的差异过大的一个原因可能是此太阳能板阵列A的降解(degradation)程度发生异常,故在此情况下,处理器23可将太阳能板阵列A辨识为降解异常。
储存器21所储存的此组历史实际发电量参数833、此组历史环境参数853、此组目前实际发电量参数831、此组目前环境参数851与此组先前环境参数855可以由数据传输接口25来提供。储存器21所储存的此组历史实际发电量参数833、此组历史环境参数853、此组目前实际发电量参数831、此组目前环境参数851与此组先前环境参数855也可以由使用者输入至计算机装置2中。
图4例示了在本发明的一或多个实施例中一种太阳能板阵列的异常类别的辨识方法,而图5例示了在本发明的一或多个实施例中一太阳能板阵列的数个异常类别。图4与图5所示内容仅是为了说明本发明的实施例,而非为了限制本发明。参照图4-5,处理器23可根据一辨识方法4来判断此太阳能板阵列A是否异常及辨识其异常的类别。
辨识步骤401可用以辨识此太阳能板阵列A的降解是否异常。如上所述,计算机装置2可计算此组第一发电量参数与此组第二发电量参数的比值(即,此些第一发电量数值除以此些第二发电量数值的多个比值)的一平均值,并根据此平均值辨识此太阳能板阵列A的降解是否异常。若判断此太阳能板阵列A的降解发生异常,则可不计算此发电量指标。举例而言,若此平均值小于一降解门槛值(例如,小于0.9),则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常状态辨识为降解异常。此处所述的降解异常是指此太阳能板阵列A的降解程度超出其因自然耗损所导致的正常降解程度,且不限其发生原因。
若辨识步骤401的辨识结果为否,则将进一步进行另一辨识步骤403。然而,于某些实施例中,可以省略辨识步骤401,且辨识方法4可以直接从辨识步骤403开始。
如上所述,计算机装置2可以根据此组目前环境参数851,利用此目前发电量计算模型811计算出此太阳能板阵列A的一组目前参考发电量参数,并根据此组目前实际发电量参数831与此组目前参考发电量参数之间的一对比来针对此太阳能板阵列A界定一发电量指标。
在传感器11正常的情况下,此太阳能板阵列A的实际发电量通常会小于透过目前发电量计算模型811所计算出来的参考发电量。因此,在辨识步骤403中,若此发电量指标于第一时间区间TD1内的每一个时间点上的数值及这些数值的平均值皆大于一第一预设值,则可反映出此太阳能板阵列A的实际发电量大于透过此目前发电量计算模型811所计算出来的参考发电量,而此时计算机装置2便可判断此太阳能板阵列A发生异常,且将其异常类别辨识为传感器异常。此处所述的传感器异常涵盖传感器1因各种原因而发生的异常,例如但不限于:传感器11表面有脏污、传感器11校准值失准,或传感器11故障等。举例而言,对照至图5中的(5A),若从第二时间点t2开始,此发电量指标在每一个时间点的数值以及这些数值的平均值皆明显大于此第一预设值(例如,大于1),则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常类别辨识为传感器异常。若辨识步骤403的辨识结果为否,则将进一步进行另一辨识步骤405。
在辨识步骤405中,若此发电量指标于第一时间区间TD1内的每一个时间点上的数值皆小于此第一预设值,但也都大于一第二预设值,则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常类别辨识为软遮荫。此处所述的软遮荫异常是指此太阳能板阵列A因其表面有落尘或半透明脏污而不易产生热点效应(hot spot effect)的一种异常现象。举例而言,对照至图5中的(5B),若从第二时间点t2开始,此发电量指标在每一个时间点上的数值皆介于此第一预设值与此第二预设值之间(例如,每一个数值都小于1且大于0.9),则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常类别辨识为软遮荫异常。若辨识步骤405的辨识结果为否,则将进一步进行另一辨识步骤407。
在辨识步骤407中,若此发电量指标于第一时间区间TD1内的某一或某些时间点上的数值低于此第一预设值,但在其他时间点上的数值都趋近于此第一预设值,则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常类别辨识为局部异常及/或暂时异常。此处所述的局部异常及/或暂时异常是指此太阳能板阵列A因被局部地或暂时地遮荫的一种异常现象,且可涵盖各种使得此太阳能板阵列A被局部地或暂时地遮荫的原因,例如但不限于:建筑物、植物、云朵因日照方向不同而局部地或暂时地遮荫此太阳能板阵列A。举例而言,对照至图5中的(5C),若从第二时间点t2开始,此发电量指标只有在某一个时间点上的数值小于此第一预设值(例如,小于1),但在其他时间点上的数值都趋近于此第一预设值(例如,趋近于1),则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常类别辨识为局部异常及/或暂时异常。若辨识步骤407的辨识结果为否,则将进一步进行另一的辨识步骤409。
在辨识步骤409中,若此发电量指标于第一时间区间TD1内的每一个时间点上的数值皆趋近于一个特定数值,且此特定数值为此第一预设值除以此太阳能板阵列A所包含的太阳能板串S的数量后所得到的数值的整数倍,则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常类别辨识为硬遮荫或断路异常。假设此太阳能板阵列A共包含三串太阳能板串S,则此特定数值可以是1/3的整数倍,也就是1/3或2/3。此处所述的硬遮荫或断路异常是指此太阳能板阵列A中的某一个或某几个太阳能板P的功能失效,进而导致某一串或某几串太阳能板串S失效的一种异常现象。举例而言,对照图5中的(5D),若此太阳能板阵列A共包含三串太阳能板串S,且从第二时间点t2开始,此发电量指标在每一个时间点上的数值皆趋近于2/3或1/3,则计算机装置2可判断此太阳能板阵列A发生异常,且将其异常类别辨识为硬遮荫或断路异常。若此发电量指标在每一个时间点上的数值皆趋近于2/3,则表示此太阳能板阵列A所包含三串太阳能板串S中有某一串发生硬遮荫或断路异常。若此发电量指标在每一个时间点上的数值皆趋近于1/3,则表示此太阳能板阵列A所包含三串太阳能板串S中有某二串发生硬遮荫或断路异常。若辨识步骤409的辨识结果为否,则将进一步进行另一辨识步骤411。
在辨识步骤411中,若此发电量指标于第一时间区间TD1内的每一个时间点上的数值皆小于此第二预设值,则计算机装置2可判断太阳能板阵列A发生异常,且将异常类别辨识为其他异常(例如但不限于,接触不良、短路、隐裂、电弧、软遮荫累积或各种复合式的异常)。反之,则计算机装置2可辨识太阳能板阵列A无异常。
图4所示的辨识步骤403-411的辨识顺序可以根据不同的需求而任意调整。另外,在某些实施例中,图4所示的辨识步骤403-411之中的某一个或某些可以根据不同的需求而省略。在某些实施例中,也可以增加一或多个其他条件的辨识步骤至图4所示的辨识方法4之中。
在某些实施例中,上述的任一预设值也可以用一预设区间来取代,其中此预设区间可包含一上界值与一下界值。另外,在判断此发电量指标是否大于某一预设值时,可改为判断此发电量指标是否大于相对应的预设区间的此上界值;在判断此发电量指标是否小于某一预设值时,可改为判断此发电量指标是否小于相对应的预设区间的此下界值;以及在判断此发电量指标是否趋近于某一预设值时,可改为判断此发电量指标是否落在相对应的预设区间之中。举例而言,可采用包含下限值0.95与上限值1.05的预设区间来取代预设值1,借此增加判断上可容忍的误差空间。
图6例示了在本发明的一或多个实施例中的一种判断太阳能板阵列是否异常的方法。图6所示内容仅是为了说明本发明的实施例,而非为了限制本发明。参照图6,判断太阳能板阵列是否异常的方法6可以包含以下步骤:
由一计算机装置,根据此太阳能板阵列的一组目前环境参数,利用一目前发电量计算模型计算出此太阳能板阵列的一组目前参考发电量参数(标示为步骤601);以及
由此计算机装置,根据此太阳能板阵列的一组目前实际发电量参数与此组目前参考发电量参数之间的一对比来针对此太阳能板阵列界定一发电量指标,并根据此发电量指标判断此太阳能板阵列是否异常(标示为步骤603)。
在某些实施例中,方法6还可包含以下步骤:由此计算机装置,针对此太阳能板阵列的一组历史实际发电量参数与一组历史环境参数进行一回归分析,以建构此目前发电量计算模型。
在某些实施例中,方法6还可包含以下步骤:由此计算机装置,针对此太阳能板阵列的一组历史实际发电量参数与一组历史环境参数进行一回归分析,以建构此目前发电量计算模型;以及由此计算机装置,接收且储存来自于此太阳能板阵列的此组目前实际发电量参数、此组目前环境参数、此组历史实际发电量参数与此组历史环境参数。
在某些实施例中,方法6还可包含以下步骤:由此计算机装置,根据此太阳能板阵列的一组先前环境参数,利用此目前发电量计算模型计算出此太阳能板阵列的一组第一发电量参数;由此计算机装置,根据此太阳能板阵列的此组先前环境参数,利用一先前发电量计算模型计算出此太阳能板阵列的一组第二发电量参数;以及由此计算机装置,借由比较此组第一发电量参数与此组第二发电量参数,决定是否要计算此太阳能板阵列的此组目前参考发电量参数。
在某些实施例中,在方法6中,此目前环境参数可包含至少一种以下参数类别:照度、温度与湿度。
在某些实施例中,方法6还可包含以下步骤:由此计算机装置,根据此发电量指标,辨识出此太阳能板阵列的一异常类别。
于某些实施例中,可在计算机装置2上实现方法6。由于本领域技术人员可根据上文针对计算机装置2的说明而清楚得知方法6所具备的全部相对应步骤,故相关细节于此不再赘述。
综上所述,在本发明的实施例中,并非是针对一整个太阳能***是否异常进行判断,而是针对此太阳能***中的每一个太阳能板阵列是否异常分别进行判断。因此,在判断此太阳能***异常时,还可以明确地辨识出判断出是此太阳能***中的哪一个(或哪几个)太阳能板阵列异常,而这将有助于后续的异常修复。另一方面,在本发明的实施例中,用来判断太阳能板阵列是否异常的一发电量指标与此太阳能板阵列的一组目前实际发电量参数和一组目前参考发电量参数之间的一对比有关,且此组目前参考发电量参数与此太阳能板阵列的一组目前环境参数有关。由于此组环境参数可包含与天气变化相关的各种参数,用以判断此太阳能板阵列是否异常的此发电量指标相当于已考量了天气变化这个因素。据此,在本发明的实施例中,不但可有效地降低错误地判断此太阳能板阵列异常的可能性,且在辨识异常类别时,除了可辨识出因设备损坏所造成的异常类别之外,还可准确地辨识出因天气变化所造成的异常类别。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所界定的为准。
Claims (20)
1.一种判断太阳能板阵列是否异常的计算机装置,包含:
一储存器,用以储存一目前发电量计算模型、该太阳能板阵列的一组目前实际发电量参数与一组目前环境参数;以及
一处理器,电性连接至该储存器,并用以:
根据该组目前环境参数,利用该目前发电量计算模型计算出该太阳能板阵列的一组目前参考发电量参数;以及
根据该组目前实际发电量参数与该组目前参考发电量参数之间的一对比来针对该太阳能板阵列界定一发电量指标,并根据该发电量指标判断该太阳能板阵列是否异常。
2.如权利要求1所述的计算机装置,其特征在于:
该储存器更用以储存该太阳能板阵列的一组历史实际发电量参数与一组历史环境参数;以及
该处理器更用以针对该组历史实际发电量参数与该组历史环境参数进行一回归分析,以建构该目前发电量计算模型,并将该目前发电量计算模型储存至该储存器。
3.如权利要求2所述的计算机装置,更包含一数据传输接口,其特征在于:
该数据传输接口与该储存器电性连接,且用以接收来自于该太阳能板阵列的该组目前实际发电量参数、该组目前环境参数、该组历史实际发电量参数与该组历史环境参数。
4.如权利要求3所述的计算机装置,其特征在于,该数据传输接口连接至该太阳能板阵列的一传感器,以接收该组目前实际发电量参数、该组目前环境参数、该组历史实际发电量参数与该组历史环境参数。
5.如权利要求1所述的计算机装置,其特征在于:
该储存器更用以储存一先前发电量计算模型与该太阳能板阵列的一组先前环境参数;以及
该处理器更用以:
根据该组先前环境参数,利用该目前发电量计算模型计算出该太阳能板阵列的一组第一发电量参数;
根据该先前环境参数,利用该先前发电量计算模型计算出该太阳能板阵列的一组第二发电量参数;以及
借由比较该组第一发电量参数与该组第二发电量参数,决定是否要计算该太阳能板阵列的该组目前参考发电量参数。
6.如权利要求1所述的计算机装置,其特征在于,该组目前环境参数包含至少一种以下参数类别:照度、温度与湿度。
7.如权利要求1所述的计算机装置,其特征在于,该处理器更根据该发电量指标,辨识出该太阳能板阵列的一异常类别。
8.如权利要求7所述的计算机装置,其特征在于,该异常类别是降解异常、传感器异常、软遮荫异常、局部/暂时遮荫、硬遮荫或断路异常、与其他异常的其中一种。
9.如权利要求1所述的计算机装置,其特征在于,该组目前实际发电量参数包含在一时间区间内分别对应至多个特定时间点的多个目前实际发电量数值,该组目前环境参数包含在该时间区间内分别对应至该多个特定时间点的多个目前环境数值,且该组参考发电量参数包含在该时间区间内分别对应至该多个特定时间点的多个参考发电量数值。
10.如权利要求9所述的计算机装置,其特征在于,该处理器是将在该时间区间内对应至该多个特定时间点的该多个目前实际发电量数值与该多个参考发电量数值的多个比值所呈现的曲线界定为该发电量指标。
11.一种判断太阳能板阵列是否异常的方法,包含:
由一计算机装置,根据该太阳能板阵列的一组目前环境参数,利用一目前发电量计算模型计算出该太阳能板阵列的一组目前参考发电量参数;以及
由该计算机装置,根据该太阳能板阵列的一组目前实际发电量参数与该组目前参考发电量参数之间的一对比来针对该太阳能板阵列界定一发电量指标,并根据该发电量指标判断该太阳能板阵列是否异常。
12.如权利要求11所述的方法,更包含:
由该计算机装置,针对该太阳能板阵列的一组历史实际发电量参数与一组历史环境参数进行一回归分析,以建构该目前发电量计算模型。
13.如权利要求12所述的方法,更包含:
由该计算机装置,接收且储存来自于该太阳能板阵列的该组目前实际发电量参数、该组目前环境参数、该组历史实际发电量参数与该组历史环境参数。
14.如权利要求13所述的方法,其特征在于,该计算机装置是从该太阳能板阵列的一传感器接收该组目前实际发电量参数、该组目前环境参数、该组历史实际发电量参数与该组历史环境参数。
15.如权利要求11所述的方法,更包含:
由该计算机装置,根据该太阳能板阵列的一组先前环境参数,利用该目前发电量计算模型计算出该太阳能板阵列的一组第一发电量参数;
由该计算机装置,根据该太阳能板阵列的该组先前环境参数,利用一先前发电量计算模型计算出该太阳能板阵列的一组第二发电量参数;以及
由该计算机装置,借由比较该组第一发电量参数与该组第二发电量参数,决定是否要计算该太阳能板阵列的该组目前参考发电量参数。
16.如权利要求11所述的方法,其特征在于,该目前环境参数包含至少一种以下参数类别:照度、温度与湿度。
17.如权利要求11所述的方法,更包含:
由该计算机装置,根据该发电量指标,辨识出该太阳能板阵列的一异常类别。
18.如权利要求17所述的方法,其特征在于,该异常类别是降解异常、传感器异常、软遮荫异常、局部/暂时遮荫、硬遮荫或断路异常、与其他异常中的其中一种。
19.如权利要求11所述的方法,其特征在于,该组目前实际发电量参数包含在一时间区间内分别对应至多个特定时间点的多个目前实际发电量数值,该组目前环境参数包含在该时间区间内分别对应至该多个特定时间点的多个目前环境数值,且该组参考发电量参数包含在该时间区间内分别对应至该多个特定时间点的多个参考发电量数值。
20.如权利要求19所述的方法,其特征在于,该计算机装置是将在该时间区间内对应至该多个特定时间点的该多个目前实际发电量数值与该多个参考发电量数值的多个比值所呈现的曲线界定为该发电量指标。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106138151A TWI669904B (zh) | 2017-11-03 | 2017-11-03 | 判斷太陽能板陣列是否異常之計算機裝置與方法 |
TW106138151 | 2017-11-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109756185A true CN109756185A (zh) | 2019-05-14 |
Family
ID=66329023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711135558.0A Pending CN109756185A (zh) | 2017-11-03 | 2017-11-16 | 判断太阳能板阵列是否异常的计算机装置与方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190140589A1 (zh) |
CN (1) | CN109756185A (zh) |
TW (1) | TWI669904B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11068563B2 (en) * | 2011-07-25 | 2021-07-20 | Clean Power Research, L.L.C. | System and method for normalized ratio-based forecasting of photovoltaic power generation system degradation with the aid of a digital computer |
CN110389949B (zh) * | 2019-07-23 | 2022-12-16 | 华北电力大学 | 一种光伏阵列数据清洗方法 |
TWI716990B (zh) * | 2019-08-30 | 2021-01-21 | 春禾科技股份有限公司 | 太陽能裝置發電效能異常判斷方法 |
JP7435073B2 (ja) | 2020-03-13 | 2024-02-21 | オムロン株式会社 | 異常検知装置、異常検知方法、および異常検知プログラム |
CN111555716B (zh) * | 2020-03-13 | 2023-07-28 | 远景智能国际私人投资有限公司 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
US11929607B2 (en) * | 2022-01-06 | 2024-03-12 | Monitek, Llc | Mains power-operated distributed disconnect for solar power system rapid shutdown |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102576047A (zh) * | 2009-10-09 | 2012-07-11 | 弗罗纽斯国际有限公司 | 用于识别光伏设备中的故障的方法和装置 |
CN103135008A (zh) * | 2011-12-05 | 2013-06-05 | 财团法人资讯工业策进会 | 电力异常侦测装置及其电力异常侦测方法 |
CN105071771A (zh) * | 2015-09-08 | 2015-11-18 | 河海大学常州校区 | 一种基于神经网络的分布式光伏***故障诊断方法 |
CN105375878A (zh) * | 2015-12-16 | 2016-03-02 | 中国科学院广州能源研究所 | 一种在线检测和评估光伏***效率的方法 |
JP2016144384A (ja) * | 2015-02-05 | 2016-08-08 | 日清紡メカトロニクス株式会社 | 太陽光発電システムの性能評価方法 |
CN106100578A (zh) * | 2016-05-30 | 2016-11-09 | 佛山科学技术学院 | 一种适用于光伏并网***的故障检测方法及其*** |
CN106452354A (zh) * | 2016-09-21 | 2017-02-22 | 武汉承光博德光电科技有限公司 | 一种并网型光伏电站发电性能的验证方法 |
JP2017063591A (ja) * | 2015-04-30 | 2017-03-30 | 株式会社別川製作所 | 太陽光発電システム、太陽光発電ユニットの診断方法および診断プログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129466B (zh) * | 2011-03-22 | 2012-11-28 | 国网电力科学研究院 | 基于实证示范建立光伏电站测试诊断和预测数据库的方法 |
JP5856294B2 (ja) * | 2012-05-29 | 2016-02-09 | ユーケーシー エレクトロニクス(ホンコン)カンパニー., リミテッド | 太陽光発電監視方法及びその方法に用いられる太陽光発電監視システム |
JP6115764B2 (ja) * | 2013-03-14 | 2017-04-19 | オムロン株式会社 | 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム |
TW201727559A (zh) * | 2016-01-26 | 2017-08-01 | Chun He Technology Co Ltd | 再生能源電廠的管理方法與系統 |
-
2017
- 2017-11-03 TW TW106138151A patent/TWI669904B/zh active
- 2017-11-16 CN CN201711135558.0A patent/CN109756185A/zh active Pending
-
2018
- 2018-01-10 US US15/867,606 patent/US20190140589A1/en not_active Abandoned
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102576047A (zh) * | 2009-10-09 | 2012-07-11 | 弗罗纽斯国际有限公司 | 用于识别光伏设备中的故障的方法和装置 |
CN103135008A (zh) * | 2011-12-05 | 2013-06-05 | 财团法人资讯工业策进会 | 电力异常侦测装置及其电力异常侦测方法 |
JP2016144384A (ja) * | 2015-02-05 | 2016-08-08 | 日清紡メカトロニクス株式会社 | 太陽光発電システムの性能評価方法 |
JP2017063591A (ja) * | 2015-04-30 | 2017-03-30 | 株式会社別川製作所 | 太陽光発電システム、太陽光発電ユニットの診断方法および診断プログラム |
CN105071771A (zh) * | 2015-09-08 | 2015-11-18 | 河海大学常州校区 | 一种基于神经网络的分布式光伏***故障诊断方法 |
CN105375878A (zh) * | 2015-12-16 | 2016-03-02 | 中国科学院广州能源研究所 | 一种在线检测和评估光伏***效率的方法 |
CN106100578A (zh) * | 2016-05-30 | 2016-11-09 | 佛山科学技术学院 | 一种适用于光伏并网***的故障检测方法及其*** |
CN106452354A (zh) * | 2016-09-21 | 2017-02-22 | 武汉承光博德光电科技有限公司 | 一种并网型光伏电站发电性能的验证方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190140589A1 (en) | 2019-05-09 |
TWI669904B (zh) | 2019-08-21 |
TW201919329A (zh) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109756185A (zh) | 判断太阳能板阵列是否异常的计算机装置与方法 | |
AU2016202891B2 (en) | Automatic generation and analysis of solar cell IV curves | |
Dhimish et al. | Parallel fault detection algorithm for grid-connected photovoltaic plants | |
Dhimish et al. | Simultaneous fault detection algorithm for grid‐connected photovoltaic plants | |
Hasselbrink et al. | Validation of the PVLife model using 3 million module-years of live site data | |
JP2005340464A (ja) | 太陽電池アレイ診断装置およびそれを用いた太陽光発電システム | |
TWI692196B (zh) | 太陽能光電故障檢測系統及方法 | |
Gonzalez et al. | PV array simulator development and validation | |
JP6697116B2 (ja) | 太陽電池の検査装置、検査システム、検査方法及びプログラム | |
Sayyad et al. | Design and development of low cost, portable, on-field IV curve tracer based on capacitor loading for high power rated solar photovoltaic modules | |
Chen et al. | A novel fault diagnosis method of PV based-on power loss and IV characteristics | |
WO2023033002A1 (ja) | 太陽電池モジュールの故障診断方法及びプログラム | |
CN111027723A (zh) | 一种光伏与建筑一体化***及方法 | |
Raeisi et al. | A novel experimental and approach of diagnosis, partial shading, and fault detection for domestic purposes photovoltaic system using data exchange of adjacent panels | |
JP6865950B2 (ja) | 太陽光発電システムおよび太陽光発電制御システム | |
Dhimish | Fault detection and performance analysis of photovoltaic installations | |
KR20210026665A (ko) | 서버 | |
EP3872985B1 (en) | Early detection of potential induced degradation in photovoltaic systems | |
CN111082747B (zh) | 太阳能检测模块以及太阳能板 | |
CN107748014B (zh) | 一种读取多路温度传感器的*** | |
Barker et al. | Building America System Performance Test Practices: Part 1--Photovoltaic Systems | |
JP5854689B2 (ja) | パワーコンディショナ検査装置 | |
TW202207618A (zh) | 太陽能模組或模組串列之近開路點發電異常測試方法及其系統 | |
KR20220051514A (ko) | 태양광 발전소 모니터링 방법 | |
Pva | Guide to interpreting iv curve measurements of pv arrays |
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: 20190514 |
|
WD01 | Invention patent application deemed withdrawn after publication |