CN115483884A - 一种批量光伏组件的功率性能评价方法及相关设备 - Google Patents
一种批量光伏组件的功率性能评价方法及相关设备 Download PDFInfo
- Publication number
- CN115483884A CN115483884A CN202211336666.5A CN202211336666A CN115483884A CN 115483884 A CN115483884 A CN 115483884A CN 202211336666 A CN202211336666 A CN 202211336666A CN 115483884 A CN115483884 A CN 115483884A
- Authority
- CN
- China
- Prior art keywords
- power
- optimization
- powers
- formula
- photovoltaic
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 127
- 238000005457 optimization Methods 0.000 claims abstract description 122
- 238000000034 method Methods 0.000 claims abstract description 54
- 239000002245 particle Substances 0.000 claims abstract description 46
- 238000000429 assembly Methods 0.000 claims abstract description 10
- 230000000712 assembly Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 239000000306 component Substances 0.000 description 40
- 238000004891 communication Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000032683 aging Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000009533 lab test Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Photovoltaic Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本申请实施例公开了一种批量光伏组件的功率性能评价方法、***、存储介质及电子设备,其中,方法包括:获取在标准实验环境下检测多个第一光伏组件得到的多个实验功率;获取在现场环境下检测多个第二光伏组件得到的多个现场功率和多个背板温度,多个第一光伏组件小于多个第二光伏组件的数量;将多个背板温度进行修正,得到多个组件温度;结合组件温度和标准测试公式对多个现场功率进行修正,得到多个实际功率;结合多个实验功率和粒子群算法对多个实际功率进行优化,得到光伏组件的标准测试功率。采用本申请实施例,可以减小现场测试外界条件所带来的误差,同时结合现场测试数据与标准测试数据,可以提升评价结果的准确性。
Description
技术领域
本申请涉及测试领域,具体涉及一种批量光伏组件的功率性能评价方法、***、存储介质及电子设备。
背景技术
随着全球经济的快速发展,能源需求越来越大,太阳能作为一种取之不尽、用之不竭的绿色能源越来越受到人们的广泛关注。而通过光伏发电技术,可以有效地将太阳能转换为电能。
光伏发电是利用半导体界面的光生伏特特效而将光能转变为电能的一种技术,主要由光伏组件、控制器以及逆变器三大部分组成,再配合上功率控制器等部件就形成了光伏发电装置。
在光伏发电装置出厂前,需要对光伏组件进行功率性能评价,若在实验室内测试光伏组件功率,环境相对稳定且结果可靠,但是测试耗时长,不能大范围抽检,对光伏组件的功率测试性能评价较为局限;若在现场测试光伏组件功率,虽然测试简单快捷、适合大范围抽检,但是外界条件往往达不到标准条件,对光伏组件的功率测试性能评价结果往往准确性较低。
发明内容
本申请提供一种批量光伏组件的功率性能评价方法、***、存储介质及电子设备,可以减小现场测试外界条件所带来的误差,同时结合现场测试数据与实验测试数据,可进一步提高测试的准确性。
技术方案如下:
在本申请的第一方面提供了一种批量光伏组件的功率性能评价方法,应用于计算机,所述方法包括:
获取在标准实验环境下检测多个第一光伏组件得到的多个实验功率;
获取在现场环境下检测多个第二光伏组件得到的多个现场功率和多个背板温度,所述多个第一光伏组件小于所述多个第二光伏组件的数量;
将所述多个背板温度进行修正,得到多个组件温度;
结合所述组件温度和标准测试公式对所述多个现场功率进行修正,得到多个实际功率;
结合所述多个实验功率和粒子群算法对所述多个实际功率进行优化,得到所述光伏组件的标准测试功率,根据所述标准测试功率评价所述光伏组件的功率测试性能。
通过采用上述技术方案,将现场功率通过标准测试公式进行一次修正,得到实际功率,可以减小测试外界条件所带来的误差,再通过粒子群算法将实验功率和实际功率进行结合优化,得到标准测试功率,根据标准测试功率对光伏组件的功率性能作出评价,可以提升评价结果的准确性。
结合实验功率对实际功率进行二次优化,得到标准测试功率,
可以减小现场测试外界条件所带来的误差,进一步提高现场测试光伏组件的功率的准确性。
可选的,所述将所述多个背板温度进行修正,得到多个组件温度,包括:
获取所述多个光伏组件处于所述背板温度下的开路电压,得到多个实际开路电压,并将所述多个实际开路电压代入开压公式,得到多个组件温度;
所述开压公式为:
式中,TJ为组件温度;VOC为光伏组件的实际开路电压;VOC,STC为光伏组件标准的开路电压;K为光伏组件开路电压的相关电压系数;β为光伏组件开路电压的相关温度系数;
或
将所述多个背板温度代入二度法公式,得到多个组件温度;
所述二度法公式为:
式中,TB为实测背板温度;QC为实测辐照度;QX为标准测试条件辐照度。
通过采用上述技术方案,采用开压公式或二度法对现场采集得到的光伏组件的背板温度进行处理,可有效消除由于现场温度与标准测试温度存在的偏差对功率测试产生的影响。
可选的,所述结合所述组件温度和标准测试公式对所述多个现场功率进行修正,得到多个实际功率,包括:
将所述多个组件温度和多个现场功率代入所述标准测试公式,得到多个实际功率;
所述标准测试公式为:
式中,PX为实际功率;PC为现场功率;QX为实际辐照度;QC为标准辐照度;Pmax,STC为STC条件下光伏组件的标称最大功率;TX为STC条件下光伏组件温度;TJ为组件温度;δ为光伏组件的功率相对温度系数。
通过采用上述技术方案,采用标准测试公式对现场采集得到的光伏组件的现场功率进行处理,可有效减小由于现场辐照度与标准辐照度存在的偏差对功率测试产生的影响。
可选的,所述结合所述多个实验功率和粒子群算法对所述多个实际功率进行优化,得到所述光伏组件的标准测试功率,包括:
将所述多个实际功率与多个实验功率作为粒子群算法中的多个粒子的位置向量,并对所述多个粒子进行初始化,得到初始参数,所述初始参数包括多个初始位置以及对应的初始速度;将所述初始参数代入适应度函数,得到第一优化参数;
根据优化公式对所述第一优化参数进行迭代处理,得到第二优化参数;
判断是否满足迭代停止条件;
若满足所述迭代停止条件,则停止迭代,并将所述第二优化参数作为所述光伏组件的标准测试功率;
若不满足所述迭代停止条件,则重新执行所述将所述初始参数代入适应度函数,得到第一优化参数的步骤。
通过采用上述技术方案,将多个实际功率与实验功率代入粒子群算法中进行二次修正,进一步减小现场测试光伏组件功率的结果与实验测试的误差,使得最后得到的标准测试功率更能代表光伏组件的实际功率。
可选的,所述将所述初始参数代入适应度函数,得到第一优化参数,包括:
将所述初始参数代入适应度函数,得到多个适应度值;
若所述多个适应度值优于所述多个初始速度和所述多个初始位置,则将所述多个初始速度和所述多个初始位置的对应值替换为对应的适应度值,得到所述第一优化参数。
通过采用上述技术方案,将初始参数代入适应度函数中将初始参数进行优化,得到适应度值,将多个初始速度和多个初始位置的对应值替换为较优的适应度值,并得到第一优化参数,可进一步提高测试的准确性。
可选的,所述优化公式包括第一优化公式和第二优化公式,所述第二优化参数包括多个第二优化速度和多个优化位置,所述根据优化公式对所述第一优化参数进行迭代处理,得到第二优化参数,包括:
将所述第一优化参数代入所述第一优化公式,得到所述多个第二优化速度;
将所述第二优化速度代入所述第二优化公式,得到所述多个第二优化位置;
所述第一优化公式为:
Vij(t+1)=WVij(t)+c1r1(t)[Pij(t)-xij(t)]+c2r2(t)[Pij(t)-xij(t)];
式中,Vij(t+1)为第二优化速度;W为惯性权重;c1、c2为加速常数;r1、r2为[0,1]范围内的均匀随机数;Pij(t)为第一优化参数中的粒子最优位置;
所述第二优化公式为:
Xij(t+1)=Xij(t)+Vij(t+1);
式中,Xij(t+1)为第二优化位置;Xij(t)为第一优化参数中的粒子位置。
通过采用上述技术方案,利用第一优化公式对第一优化参数中粒子的速度值进行优化,再通过第二优化公式对粒子中的位置值进行优化,进一步提高了测试的准确性。
可选的,所述判断是否满足迭代停止条件,包括:
判断迭代次数是否大于迭代阈值,所述迭代次数在执行所述根据优化公式对所述第一优化参数进行迭代处理,得到第二优化参数步骤后加1;
若所述迭代次数大于或等于所述迭代阈值,则确定为满足所述迭代停止条件;
若所述迭代次数小于所述迭代阈值,则确定为不满足所述迭代停止条件;
或
判断所述第二优化参数是否收敛;
若所述第二优化参数收敛,则确定为满足所述迭代停止条件;
若所述第二优化参数不收敛,则确定为不满足所述迭代停止条件。
通过采用上述技术方案,设置迭代停止条件停止迭代,使得最后得到的测试数据更加符合实际情况。
在本申请的第二方面提供了一种批量光伏组件的功率性能评价***,所述***包括:实验功率获取模块,用于获取在标准实验环境下检测多个第一光伏组件得到的多个实验功率;现场功率获取模块,用于获取在现场环境下检测多个第二光伏组件得到的多个现场功率和多个背板温度,所述多个第一光伏组件小于所述多个第二光伏组件的数量;
背板温度修正模块,用于将所述多个背板温度进行修正,得到多个组件温度;
现场功率修正模块,用于结合所述组件温度和标准测试公式对所述多个现场功率进行修正,得到多个实际功率;
标准测试功率获得模块,用于结合所述多个实验功率和粒子群算法对所述多个实际功率进行优化,得到所述光伏组件的标准测试功率。
通过采用上述技术方案,将现场功率通过标准测试公式进行一次修正,得到实际功率,可以减小测试外界条件所带来的误差,再通过粒子群算法将实验功率和实际功率进行结合优化,得到标准测试功率,根据标准测试功率对光伏组件的功率性能作出评价,可以提升评价结果的准确性。
在本申请的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法步骤。
在本申请的第四方面提供了一种电子设备,包括:处理器、存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
综上所述,本申请包括以下至少一种有益效果:
通过标准测试公式对现场功率进行一次修正,减少由于现场环境与实验室标准环境所带来的误差,提高现场测试光伏组件功率的准确性,进而提升现场功率与试验功率的可比性;再通过粒子群算法结合实验室测试数据与现场测试数据,得到标准测试功率,根据标准测试功率对光伏组件的功率性能作出评价,可以提升评价结果的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种批量光伏组件的功率性能评价方法的流程示意图;
图2是本申请实施例提供的另一种批量光伏组件的功率性能评价方法的流程示意图;
图3是本申请实施例提供的一种批量光伏组件的功率性能评价***的模块示意图;
图4是本申请实施例提供的一种电子设备的结构示意图。
附图标记说明:1、批量光伏组件的功率性能评价***;11、实验功率获取模块;12、现场功率获取模块;13、背板温度修正模块;14、现场功率修正模块;及15、标准测试功率获得模块;1000、电子设备;1001、处理器;1002、通信总线;1003、用户接口;1004、网络接口;1005、存储器。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B这三种情况。另外,除非另有说明,术语“多个”的含义是指两个或两个以上。例如,多个***是指两个或两个以上的***,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
随着光伏电站运营时间的不断增长,功率会出现一定程度的衰减,光伏组件是光伏发电的核心部件,光伏组件发电功率衰减直接影响到整个光伏电站的发电效率。目前,我国大多数集中式光伏电站未定期开展光伏组件功率衰减的测试工作,部分开展测试工作的光伏电站处于保密很少公开数据,对光伏组件功率衰减特性的研究仍是不小的挑战。
在常规户外环境下,环境应力因素对光伏组件性能的影响较缓慢,需要长时间观察、测试、收集才能反馈组件存在的质量问题。为了在较短时间内,通过合理的方法、途径发现光伏组件存在的潜在问题,加速老化试验被引入到光伏组件的质量测试及寿命评价方面,并得到了不断发展。实验室加速老化测试方法是利用环境试验箱模拟户外实际运行的辐照度、温度、湿度等环境条件,并对相关参数进行加严或者加倍等控制,以实现在较短时间内加速组件老化衰减的目的。加速老化测试完成后,在标准测试条件下,对试验组件进行功率测试,再依据衰减率计算公式,得出光伏组件发电性能的衰减率。
光伏组件实际工作在复杂的自然环境下,其输出功率易受到灰尘、砂砾、雪暴等因素影响,功率特性也可能因建筑、树荫等周期性阴影改变,因此光伏组件实际输出功率一般远低于实验室内理想环境下的输出功率。光伏电站实地测试方法是自组件投产运行一段时间后,由国家计量认证的第三方检测机构,根据项目装机容量抽取足够数量的组件样品,测量其实际最大输出功率,将其与标称最大输出功率进行对比,计算得出光伏组件发电性能的衰减率。
实验室加速老化测试法已形成了国际认证的标准,测试时能达到标准测试条件,测量误差较小,测量结果相对准确,但需要多种实验设备,实验程序相对复杂,对光伏电站组件所处的自然环境下不能实现有效模拟,不能真实反映组件的功率衰减情况。光伏电站实地测试方法所需仪器设备便携易操作,能反映组件实际运行中的功率衰减情况,但实验室测试耗时长,组件来回运输麻烦,路途中可能对组件造成损伤,且影响难以量化,所以不能大范围抽检。
针对上述对光伏组件测试中所存在的问题,可以采用本申请实施例中批量光伏组件的功率性能评价方法,通过标准测试公式对现场功率进行一次修正,减少由于现场环境与实验室环境所带来的误差,提高现场测试光伏组件功率的准确性,再通过粒子群算法结合实验室测试数据与现场测试数据,对一次修正后的现场功率进行二次修正,进一步减少现场测试所带来的误差。
下面结合具体的实施例对本申请进行详细说明。
在一个实施例中,如图1所示,特提出了一种批量光伏组件的功率性能评价方法的流程示意图,该方法主要应用于云服务器端,也可依赖于计算机程序实现,可依赖于单片机实现,也可运行于基于冯诺依曼体系的批量光伏组件的功率性能评价***上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
具体的,该批量光伏组件的功率性能评价方法包括:
步骤101:获取在标准实验环境下检测多个第一光伏组件得到的多个实验功率。
标准实验环境在本申请实施例中是指在标准测试条件(Standrad testcondition,STC),即环境温度为25摄氏度,辐照度为1000W/m2,光谱为AM1.5的实验条件。
第一光伏组件在本申请实施例中可以理解为在实验中STC条件下进行功率测试的光伏组件,功率测试的结果为实验功率。
示例性地,测试人员在标准实验室下对多个第一光伏组件进行功率测试,将测试得到的多个实验功率上传至计算机。
步骤102:获取在现场环境下检测多个第二光伏组件得到的多个现场功率和多个背板温度,多个第一光伏组件小于多个第二光伏组件的数量。
现场环境在本申请实施例中可以理解为,在光伏电站实地对待测光伏组件进行随机抽样,同时,在现场检测的过程中,还需要对辐照度进行检测,辐照度需要达到700W/m2以上,才能够达到修正标准。
第二光伏组件在本申请实施例中可以理解为在现场中进行功率测试的光伏组件,功率测试的结果为现场功率。
示例性地,测试人员在现场环境下对多个第二光伏组件进行功率测试,得到多个现场功率和多个背板温度数据,并将测试的结果上传至计算机,其中,在实际应用中,实验室测试组件的数量一般要小于现场测试组件的数量,在本申请实施例中,现场检测光伏组件的数量与实验室测试数量之比可设置为20:1。
步骤103:将多个背板温度进行修正,得到多个组件温度。
作为一种可选的实施例,可以采用开压法将多个背板温度进行修正,得到多个组件温度,具体步骤为:
获取多个光伏组件处于背板温度下的开路电压,得到多个实际开路电压,并将多个实际开路电压代入开压公式,得到多个组件温度。
所述开压公式为:
式中,TJ为组件温度;VOC为光伏组件的实际开路电压;VOC,STC为光伏组件标准的开路电压;K为光伏组件开路电压的相关电压系数;β为光伏组件开路电压的相关温度系数。
示例性地,由于现场环境与标准环境存在偏差,在现场测试光伏组件功率时,需要对光伏组件的背板温度进行修正。进一步地,光伏组件的开路电压会随着温度的改变而改变,可以将现场测量得到的处于背板温度下的开路电压,与标准环境下光伏组件的实际开路电压带入开压公式,得到修正后的背板温度,该背板温度就可以反映光伏组件的组件温度。
作为一种可选的实施例,还可以采用二度法将多个背板温度进行修正,得到多个组件温度,具体步骤为:
将多个背板温度代入二度法公式,得到多个组件温度;
二度法公式为:
式中,TB为实测背板温度;QC为实测辐照度;QX标准测试条件辐照度。
示例性地,由于现场环境与标准环境存在偏差,由现场测试光伏组件得到的背板温度可通过辐照度进行修正。进一步地,可以将现场的辐照度与标准环境下的辐照度代入二度法公式,得到修正后的背板温度,进而得到组件温度。
步骤104:结合组件温度和标准测试公式对多个现场功率进行修正,得到多个实际功率。
光伏组件标称功率是在辐照度为1000W/m2、组件温度为25摄氏度以及AM1.5光谱的情况下标定的。然而,在现场测试的过程中,辐照度变化较大,依据CNCACTS0016《并网光伏电站性能检测与质量评估技术规范》,光伏组件现场测试的辐照度在700W/m2或以上,组件温度则是根据现场测试得到的背板温度进行修正得到,然后根据辐照度和组件温度对现场测试得到的组件功率进行修正,得出辐照度为1000W/m2、组件温度为25摄氏度这一情况下组件的STC功率。
作为一种可选的实施例,可以采用标准测试公式将现场功率进行修正,得到实际功率,具体步骤为:
将多个组件温度和多个现场功率代入标准测试公式,得到多个实际功率;
所述标准测试公式为:
式中,PX为实际功率;PC为现场功率;QX为实际辐照度;QC为标准辐照度;Pmax,STC为STC条件下光伏组件的标称最大功率;TX为STC条件下光伏组件温度;TJ为组件温度;δ为光伏组件的功率相对温度系数。
示例性地,计算机将现场测得的功率、辐照度、修正背板温度得到的组件温度结合在实验环境下测得的功率、组件温度以及标准辐照度代入标准测试公式,计算得到实际功率。
步骤105:结合多个实验功率和粒子群算法对多个实际功率进行优化,得到光伏组件的标准测试功率,根据标准测试功率评价光伏组件的功率测试性能。
示例性地,计算机将在标准环境下实验室测得的实验功率、背板温度对现场测得的现场功率进行修正,得到实际功率。但由于在实验室中测试光伏组件耗时长,组件来回运输麻烦等问题,只是对少量光伏组件进行抽样测试,并不能准确反映光伏组件的整体质量水平。故,通过实验数据修正后的现场功率,也不能准确反映光伏组件的整体质量水平,因此,通过粒子群算法,将实验功率和实际功率进行优化,通过迭代得到的结果更能反映真实光伏组件的质量水平。
粒子群算法是一种模仿鸟群、鱼群觅食行为发展起来的一种进化算法。可将数据初始化为一群随机粒子,然后通过迭代找到最优解。
示例性地,计算机将多个实验功率和多个实际功率初始化为一群随机粒子进行迭代,在每一次迭代中,粒子通过跟踪两个极值来更新自己,第一个就是粒子本身所找的最优解,这个解为个体极值,另一个极值是整个种群找到的最优解,这个极值为全局极值,最后当满足迭代停止条件时,便可得到能够反映真实光伏组件质量水平的标准测试功率,进而根据标准测试功率来评价测试批次光伏组件的性能。
请参见图2,在上述各实施例的基础上,作为一种可选实施例,结合多个实验功率和粒子群算法对多个实际功率进行优化,得到光伏组件的标准测试功率,还包括以下步骤:步骤201:将多个实际功率与多个实验功率作为粒子群算法中的多个粒子的位置向量,并对多个粒子进行初始化,得到初始参数,初始参数包括多个初始位置以及对应的初始速度。
示例性地,将多个实际功率和多个实验功率,按照一定比例代入粒子群算法中,经过实践,比例为20:1得到的实验数据较佳。通过代入的多个实际功率和实验功率对多个粒子进行初始化处理,将多个实际功率和多个实验功率的功率值设置为多个粒子的初始位置,进而设置多个初始位置对应的初始速度,在本申请实施例中,将初始速度设置在[-0.5,0.5]区间内。
步骤202:将初始参数代入适应度函数,得到第一优化参数。
示例性地,可根据问题特征选择对应的适应度函数,例如,Griewank函数、Rastrigin函数、Schaffer函数、Ackley函数、Rosenbrock函数等函数,将初始参数代入适应度函数,计算每个粒子的个体最优值和全局最优值,可得到多个适应度值。进而判断多个适应度值是否存在与多个初始速度和多个初始位置的对应值,若存在满足条件的适应度值,则将多个初始速度和初始位置的对应值替换为对应的适应度值。然后再计算每个粒子的个体最优值和全局最优值,通过适应度值与个体最优值、全局最优值的比较决定是否用适应度值替换个体最优值和全局最优值,将最终得到位置和速度则作为第一优化参数。
步骤203:根据优化公式对第一优化参数进行迭代处理,得到第二优化参数。
示例性地,将第一优化参数代入第一优化公式,得到多个第二优化速度,第一优化公式为:Vij(t+1)=WVij(t)+c1r1(t)[Pij(t)-xij(t)]+c2r2(t)[Pij(t)-xij(t)],式中,Vij(t+1)为第二优化速度;W为惯性权重;c1、c2为加速常数;r1、r2为[0,1]范围内的均匀随机数;Pij(t)为第一优化参数中的粒子最优位置。将第二优化速度代入所述第二优化公式,得到所述多个第二优化位置;第二优化公式为:Xij(t+1)=Xij(t)+Vij(t+1),式中,Xij(t+1)为第二优化位置;Xij(t)为第一优化参数中的粒子位置。将优化后的速度和位置作为第二优化参数。
步骤204:判断是否满足迭代停止条件,若满足迭代停止条件,则停止迭代,并将第二优化参数作为光伏组件的标准测试功率,若不满足迭代停止条件,则重新执行将初始参数代入适应度函数,得到第一优化参数的步骤。
在一种可行的实施方式中,步骤204可以具体执行以下步骤:
判断迭代次数是否大于迭代阈值,迭代次数在执行所述根据优化公式对第一优化参数进行迭代处理,得到第二优化参数步骤后加1,若迭代次数大于或等于迭代阈值,则确定为满足迭代停止条件,若迭代次数小于迭代阈值,则确定为不满足迭代停止条件。
示例性地,可以通过判断迭代次数来作为停止准则,迭代次数的设置与适应度函数有关,当适应度函数仿真得到的结果能达到一个平稳的最小值时,将运行适应度函数的次数作为迭代次数。在本申请实施例中,通过球形函数进行仿真,可以得到一个相对平稳的值,于是将迭代次数设置为100次。
在另一种可行的实施方式中,步骤204还可以具体执行以下步骤:
判断第二优化参数是否收敛,若第二优化参数收敛,则确定为满足迭代停止条件,若第二优化参数不收敛,则确定为不满足迭代停止条件。
示例性地,由于模型的收敛性难以预测,甚至有可能出现所选择的基础模型并不能很好地模拟设备运行,即使参数十分准确,也存在较大的误差,此时需要设定多样化的迭代终止方式,以避免陷入无限循环计算,通常根据总体误差、误差收敛情况、参数收敛情况等因素决定是否继续迭代,其中,总体误差是指数值模型的直接计算结果与量测结果的误差,误差收敛是指使用新的参数进行计算得到的误差相对于上一次旧参数计算的误差是否存在明显的减小,参数收敛情况是指新的参数相对于旧的参数是否存在明显的变化,若总体误差始终无法收敛到容许精度,则对误差收敛情况和参数收敛情况进行判断,若满足收敛性要求,则视为满足迭代条件,停止迭代。
下述为本申请***实施例,可以用于执行本申请方法实施例。对于本申请***实施例中未披露的细节,请参照本申请方法实施例。
请参照图3,为本申请实施例提供的一种批量光伏组件的功率性能评价***,该批量光伏组件的功率性能评价***1可以包括:实验功率获取模块11、现场功率获取模块12、背板温度修正模块13、现场功率修正模块14以及标准测试功率获得模块15,其中:
实验功率获取模块11,用于获取在标准实验环境下检测多个第一光伏组件得到的多个实验功率;
现场功率获取模块12,用于获取在现场环境下检测多个第二光伏组件得到的多个现场功率和多个背板温度,多个第一光伏组件小于多个第二光伏组件的数量;
背板温度修正模块13,用于将多个背板温度进行修正,得到多个组件温度;
现场功率修正模块14,用于结合组件温度和标准测试公式对多个现场功率进行修正,得到多个实际功率;
标准测试功率获得模块15,用于结合多个实验功率和粒子群算法对多个实际功率进行优化,得到光伏组件的标准测试功率,根据所述标准测试功率评价所述光伏组件的功率测试性能。
在上述各实施例的基础上,作为一种可选的实施例,背板温度修正模块13包括开压法修正温度单元和二度法修正温度单元,其中:
开压法修正温度单元,用于获取多个光伏组件处于背板温度下的开路电压,得到多个实际开路电压,并将多个实际开路电压代入开压公式,得到多个组件温度,将多个背板温度代入二度法公式,得到多个组件温度;
二度法修正温度单元,用于结合二度法公式与标准辐照度对多个组件温度进行线性处理,得到多个组件温度。
在上述各实施例的基础上,作为一种可选的实施例,现场功率修正模块14包括实际功率获得单元,其中:
实际功率获得单元,用于将多个组件温度和多个现场功率代入标准测试公式,得到多个实际功率。
在上述各实施例的基础上,作为一种可选的实施例,标准测试功率获得模块15包括初始参数定义单元、第一优化参数获得单元、第二优化参数获得单元迭代停止判断单元,其中:
初始参数定义单元,用于将多个实际功率与多个实验功率作为粒子群算法中的多个粒子的位置向量,并对多个粒子进行初始化,得到初始参数,所述初始参数包括多个初始位置以及对应的初始速度;
第一优化参数获得单元,用于将初始参数代入适应度函数,得到第一优化参数;
第二优化参数获得单元,用于根据优化公式对所述第一优化参数进行迭代处理,得到第二优化参数;
迭代停止判断单元,用于判断是否满足迭代停止条件,若满足所述迭代停止条件,则停止迭代,并将第二优化参数作为光伏组件的标准测试功率,若不满足迭代停止条件,则重新执行将所述初始参数代入适应度函数,得到第一优化参数的步骤。
在上述各实施例的基础上,作为一种可选的实施例,第一优化参数获得单元包括适应度值获得子单元和第一优化参数获得子单元,其中:
适应度值获得子单元,用于将初始参数代入适应度函数,得到多个适应度值;
第一优化参数获得子单元,用于若多个适应度值优于多个初始速度和多个初始位置,则将多个初始速度和多个初始位置的对应值替换为对应的适应度值,得到所述第一优化参数。
在上述各实施例的基础上,作为一种可选的实施例,第二优化参数获得单元包括第二优化速度获得子单元和第二优化位置获得子单元,其中:
第二优化速度获得子单元,用于将第一优化参数代入所述第一优化公式,得到多个第二优化速度;
第二优化位置获得子单元,用于将第二优化速度代入第二优化公式,得到多个第二优化位置。
在上述各实施例的基础上,作为一种可选的实施例,迭代停止判断单元包括:
迭代次数判断子单元,用于判断迭代次数是否大于迭代阈值,迭代次数在执行根据优化公式对第一优化参数进行迭代处理,得到第二优化参数步骤后加1,若迭代次数大于或等于迭代阈值,则确定为满足迭代停止条件,若迭代次数小于迭代阈值,则确定为不满足迭代停止条件;
迭代收敛判断子单元,用于判断第二优化参数是否收敛,若第二优化参数收敛,则确定为满足迭代停止条件,若第二优化参数不收敛,则确定为不满足迭代停止条件。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质可以存储有多条指令,所述指令适于由处理器加载并执行如上述图1-图2所示实施例的所述的批量光伏组件的功率性能评价方法,具体执行过程可以参加图1-图2所示实施例的具体说明,在此不进行赘述。
请参见图4,为本申请实施例提供了一种电子设备的结构示意图。如图4所示,所述电子设备1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及一种批量光伏组件的功率性能评价方法的应用程序。
需要说明的是:上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
在图4所示的电子设备1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储批量光伏组件的功率性能评价的方法的应用程序,当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。
一种电子设备可读存储介质,所述电子设备可读存储介质存储有指令。当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。
本领域的技术人员可以清楚地了解到本申请的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件,其中硬件例如可以是现场可编程门阵列(Field-ProgrammaBLE GateArray,FPGA)、集成电路(Integrated Circuit,IC)等。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random AccessMemory,RAM)、磁盘或光盘等。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。
Claims (10)
1.一种批量光伏组件的功率性能评价方法,其特征在于,应用于计算机,所述方法包括:
获取在标准实验环境下检测多个第一光伏组件得到的多个实验功率;
获取在现场环境下检测多个第二光伏组件得到的多个现场功率和多个背板温度,所述多个第一光伏组件小于所述多个第二光伏组件的数量;
将所述多个背板温度进行修正,得到多个组件温度;
结合所述组件温度和标准测试公式对所述多个现场功率进行修正,得到多个实际功率;
结合所述多个实验功率和粒子群算法对所述多个实际功率进行优化,得到所述光伏组件的标准测试功率,根据所述标准测试功率评价所述光伏组件的功率测试性能。
4.根据权利要求1所述的批量光伏组件的功率性能评价方法,其特征在于,所述结合所述多个实验功率和粒子群算法对所述多个实际功率进行优化,得到所述光伏组件的标准测试功率,包括:
将所述多个实际功率与所述多个实验功率作为粒子群算法中的多个粒子的位置向量,并对所述多个粒子进行初始化,得到初始参数,所述初始参数包括多个初始位置以及对应的初始速度;
将所述初始参数代入适应度函数,得到第一优化参数;
根据优化公式对所述第一优化参数进行迭代处理,得到第二优化参数;
判断是否满足迭代停止条件;
若满足所述迭代停止条件,则停止迭代,并将所述第二优化参数作为所述光伏组件的标准测试功率;
若不满足所述迭代停止条件,则重新执行所述将所述初始参数代入适应度函数,得到第一优化参数的步骤。
5.根据权利要求4所述的批量光伏组件的功率性能评价方法,其特征在于,所述将所述初始参数代入适应度函数,得到第一优化参数,包括:
将所述初始参数代入适应度函数,得到多个适应度值;
若所述多个适应度值优于所述多个初始速度和所述多个初始位置,则将所述多个初始速度和所述多个初始位置的对应值替换为对应的适应度值,得到所述第一优化参数。
6.根据权利要求4所述的批量光伏组件的功率性能评价方法,其特征在于,所述优化公式包括第一优化公式和第二优化公式,所述第二优化参数包括多个第二优化速度和多个优化位置,所述根据优化公式对所述第一优化参数进行迭代处理,得到第二优化参数,包括:
将所述第一优化参数代入所述第一优化公式,得到所述多个第二优化速度;
将所述第二优化速度代入所述第二优化公式,得到所述多个第二优化位置;
所述第一优化公式为:
Vij(t+1)=WVij(t)+c1r1(t)[Pij(t)-xij(t)]+c2r2(t)[Pij(t)-xij(t)];
式中,Vij(t+1)为第二优化速度;W为惯性权重;c1、c2为加速常数;r1、r2为[0,1]范围内的均匀随机数;Pij(t)为第一优化参数中的粒子最优位置;
所述第二优化公式为:
Xij(t+1)=Xij(t)+Vij(t+1);
式中,Xij(t+1)为第二优化位置;Xij(t)为第一优化参数中的粒子位置。
7.根据权利要求4所述的批量光伏组件的功率性能评价方法,其特征在于,所述判断是否满足迭代停止条件,包括:
判断迭代次数是否大于迭代阈值,所述迭代次数在执行所述根据优化公式对所述第一优化参数进行迭代处理,得到第二优化参数步骤后加1;
若所述迭代次数大于或等于所述迭代阈值,则确定为满足所述迭代停止条件;
若所述迭代次数小于所述迭代阈值,则确定为不满足所述迭代停止条件;
或
判断所述第二优化参数是否收敛;
若所述第二优化参数收敛,则确定为满足所述迭代停止条件;
若所述第二优化参数不收敛,则确定为不满足所述迭代停止条件。
8.一种批量光伏组件的功率性能评价***,其特征在于,包括:
实验功率获取模块(11),用于获取在标准实验环境下检测多个第一光伏组件得到的多个实验功率;
现场功率获取模块(12),用于获取在现场环境下检测多个第二光伏组件得到的多个现场功率和多个背板温度,所述多个第一光伏组件小于所述多个第二光伏组件的数量;
背板温度修正模块(13),用于将所述多个背板温度进行修正,得到多个组件温度;
现场功率修正模块(14),用于结合所述组件温度和标准测试公式对所述多个现场功率进行修正,得到多个实际功率;
标准测试功率获得模块(15),用于结合所述多个实验功率和粒子群算法对所述多个实际功率进行优化,得到所述光伏组件的标准测试功率,根据所述标准测试功率评价所述光伏组件的功率测试性能。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适用于由处理器加载并执行如权利要求1~7任意一项所述的方法。
10.一种电子设备,其特征在于,包括:处理器(1001)和存储器(1005);其中,所述存储器(1005)存储有计算机程序,所述计算机程序适于由所述处理器(1001)加载并执行如权利要求1~7任意一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211336666.5A CN115483884B (zh) | 2022-10-28 | 2022-10-28 | 一种批量光伏组件的功率性能评价方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211336666.5A CN115483884B (zh) | 2022-10-28 | 2022-10-28 | 一种批量光伏组件的功率性能评价方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115483884A true CN115483884A (zh) | 2022-12-16 |
CN115483884B CN115483884B (zh) | 2023-07-04 |
Family
ID=84396202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211336666.5A Active CN115483884B (zh) | 2022-10-28 | 2022-10-28 | 一种批量光伏组件的功率性能评价方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115483884B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116487285A (zh) * | 2023-06-14 | 2023-07-25 | 英利能源发展(天津)有限公司 | 一种光伏组件电参数测试结果修正方法及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110204909A1 (en) * | 2010-02-22 | 2011-08-25 | First Solar, Inc. | Solar module test control |
CN106546626A (zh) * | 2016-11-04 | 2017-03-29 | 无锡市产品质量监督检验中心 | 一种求解光伏组件温度系数的电池片温度修正方法 |
CN112101669A (zh) * | 2020-09-21 | 2020-12-18 | 国网福建省电力有限公司泉州供电公司 | 一种基于改进极限学习机与分位数回归的光伏功率区间预测方法 |
CN213846610U (zh) * | 2020-11-09 | 2021-07-30 | 苏州阿特斯阳光电力科技有限公司 | 一种光伏组件测试装置 |
WO2022128932A1 (fr) * | 2020-12-17 | 2022-06-23 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procédé et système d'estimation de la puissance électrique fournie par un module photovoltaïque |
CN115118222A (zh) * | 2022-06-24 | 2022-09-27 | 国网浙江省电力有限公司电力科学研究院 | 光伏组件衰退率户外测试及评价方法和*** |
-
2022
- 2022-10-28 CN CN202211336666.5A patent/CN115483884B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110204909A1 (en) * | 2010-02-22 | 2011-08-25 | First Solar, Inc. | Solar module test control |
CN106546626A (zh) * | 2016-11-04 | 2017-03-29 | 无锡市产品质量监督检验中心 | 一种求解光伏组件温度系数的电池片温度修正方法 |
CN112101669A (zh) * | 2020-09-21 | 2020-12-18 | 国网福建省电力有限公司泉州供电公司 | 一种基于改进极限学习机与分位数回归的光伏功率区间预测方法 |
CN213846610U (zh) * | 2020-11-09 | 2021-07-30 | 苏州阿特斯阳光电力科技有限公司 | 一种光伏组件测试装置 |
WO2022128932A1 (fr) * | 2020-12-17 | 2022-06-23 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procédé et système d'estimation de la puissance électrique fournie par un module photovoltaïque |
CN115118222A (zh) * | 2022-06-24 | 2022-09-27 | 国网浙江省电力有限公司电力科学研究院 | 光伏组件衰退率户外测试及评价方法和*** |
Non-Patent Citations (2)
Title |
---|
王喜炜;白建波;宋昊;恽?;: "基于温度系数试验的光伏组件性能评估", 太阳能学报 * |
韩鹏;李银红;何璇;付元欢;游昊;李本瑜;: "结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法", 电力***自动化 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116487285A (zh) * | 2023-06-14 | 2023-07-25 | 英利能源发展(天津)有限公司 | 一种光伏组件电参数测试结果修正方法及相关装置 |
CN116487285B (zh) * | 2023-06-14 | 2023-09-05 | 英利能源发展(天津)有限公司 | 一种光伏组件电参数测试结果修正方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115483884B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adamo et al. | Characterization and testing of a tool for photovoltaic panel modeling | |
US10337498B2 (en) | Method and device for detecting equivalent load of wind turbine | |
CN111693931A (zh) | 智能电能表误差远程计算方法、装置和计算机设备 | |
CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
CN104252649A (zh) | 一种计及多风电场相关性的区域风电出力预测方法 | |
CN106548410B (zh) | 一种含分布式电源的配电网电压不平衡概率评估方法 | |
CN115483884B (zh) | 一种批量光伏组件的功率性能评价方法及相关设备 | |
CN116707331B (zh) | 基于模型预测的逆变器输出电压高精度调节方法及*** | |
CN114240003A (zh) | 一种新能源出力预测方法、***、存储介质及设备 | |
CN115840119A (zh) | 利用数据库样本的电力电缆线路劣化诊断***及方法 | |
Liu et al. | Experiment‐based supervised learning approach toward condition monitoring of PV array mismatch | |
CN111950131B (zh) | 一种考虑限电因素的风电场出力等值聚合模型构建方法 | |
CN117826058A (zh) | 一种关口电容式电压互感器运行状态在线监测方法及装置 | |
CN116780518A (zh) | 一种理论应发电量获取方法、装置、设备及介质 | |
CN115275975B (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
CN107204741B (zh) | 一种确定环境参数的方法和装置 | |
CN115952921A (zh) | 一种光伏能源功率预测方法、装置、电子设备及存储介质 | |
CN115907178A (zh) | 一种净生态***co2交换量的预测方法 | |
CN113609686B (zh) | 一种新能源置信容量分析方法及*** | |
CN115577750A (zh) | 储能电站***级荷电状态的估计方法、装置及设备 | |
JP2018019567A (ja) | 太陽光発電システム評価装置、評価方法、及び、評価装置用プログラム | |
CN117077546B (zh) | 基于数据驱动的电力***负荷建模方法及其*** | |
CN115983663B (zh) | 基于新能源的发电分析方法及相关设备 | |
CN117254772B (zh) | 一种基于电能计量装置的数据处理方法和*** | |
CN117949692B (zh) | 一种光电型杯式风速仪的测量不确定度的评定方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |