CN115913104A - 一种基于跟踪控制***的光伏发电装置 - Google Patents

一种基于跟踪控制***的光伏发电装置 Download PDF

Info

Publication number
CN115913104A
CN115913104A CN202211359388.5A CN202211359388A CN115913104A CN 115913104 A CN115913104 A CN 115913104A CN 202211359388 A CN202211359388 A CN 202211359388A CN 115913104 A CN115913104 A CN 115913104A
Authority
CN
China
Prior art keywords
photovoltaic
module
curve
illumination
image
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
Application number
CN202211359388.5A
Other languages
English (en)
Other versions
CN115913104B (zh
Inventor
王钜坤
冯晓璐
熊道均
汪德胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaneng Xinjiang Energy Development Co Ltd New Energy Dongjiang Branch
Original Assignee
Huaneng Xinjiang Energy Development Co Ltd New Energy Dongjiang Branch
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaneng Xinjiang Energy Development Co Ltd New Energy Dongjiang Branch filed Critical Huaneng Xinjiang Energy Development Co Ltd New Energy Dongjiang Branch
Priority to CN202211359388.5A priority Critical patent/CN115913104B/zh
Publication of CN115913104A publication Critical patent/CN115913104A/zh
Application granted granted Critical
Publication of CN115913104B publication Critical patent/CN115913104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy

Landscapes

  • Photovoltaic Devices (AREA)

Abstract

本发明提供了一种基于跟踪控制***的光伏发电装置,包括:跟踪检测模块,用于根据设置在每个光伏组件上的若干光敏感传感器,跟踪检测外界光,获取对应光伏组件的外界光阵列;信息采集模块,用于采集每个光伏组件的电流、电压信息,并按照电流、电压信息,构建对应采集时刻的光伏曲线;曲线比较模块,用于按照光伏分析模型,预测采集时刻对应的最佳曲线,并将最佳曲线与光伏曲线进行比较;跟踪控制模块,用于按照比较结果以及外界光阵列,获取跟踪控制指令,对对应光伏组件进行控制调整。通过对外界光的跟踪检测以及曲线对比,可以实现对光伏组件的有效控制调整,保证最大效率的接收太阳光,提高对太阳光的利用,保证光伏发电装置的光伏效率。

Description

一种基于跟踪控制***的光伏发电装置
技术领域
本发明涉及光伏发电技术领域,特别涉及一种基于跟踪控制***的光伏发电装置。
背景技术
光伏发电***(photovoltaicgenerationsystem),简称光伏(photovoltaic),是指利用光伏电池的光生伏特效应,将太阳辐射能直接转换成电能的发电***。
随着现代化工业的发展,全球能源危机和大气污染问题日益突出,新能源产业得到蓬勃发展,太阳能作为一种理想的清洁能源受到了越来越多的重视和应用,为了提高发电量,对光伏电站进行了大规模建设。
目前,在对光伏电站进行建设的过程中,一般是将太阳能板固定安装在某个位置,并一直按照固有的角度来接收太阳光,这无疑会大大降低对太阳光的利用。
因此,本发明提出一种基于跟踪控制***的光伏发电装置。
发明内容
本发明提供一种基于跟踪控制***的光伏发电装置,用以通过对外界光的跟踪检测以及曲线对比,可以实现对光伏组件的有效控制调整,保证最大效率的接收太阳光,提高对太阳光的利用,保证光伏发电装置的光伏效率。
本发明提供一种基于跟踪控制***的光伏发电装置,包括:
跟踪检测模块,用于根据设置在每个光伏组件上的若干光敏感传感器,跟踪检测外界光,获取对应光伏组件的外界光阵列;
信息采集模块,用于采集每个光伏组件的电流、电压信息,并按照所述电流、电压信息,构建对应采集时刻的光伏曲线;
曲线比较模块,用于按照光伏分析模型,预测所述采集时刻对应的最佳曲线,并将所述最佳曲线与光伏曲线进行比较;
跟踪控制模块,用于按照比较结果以及所述外界光阵列,获取跟踪控制指令,对对应光伏组件进行控制调整。
优选的,还包括:
光伏组件捕捉模块,用于捕捉所述光伏组件的组件图像;
图像分析模块,用于将所述组件图像输入到图像生锈分析模型,得到光伏生锈布局,并得到生锈序列;
图像分析模块,还用于将所述组件图像输入到图像遮挡分析模型,得到光伏遮挡分布,并得到遮挡序列;
图像分析模块,还用于将所述组件图像输入到图像灰尘分析模型,得到光伏灰尘分布,并得到灰尘序列;
将所述生锈序列、遮挡序列以及灰尘序列在与所述光伏组件一致的预设坐标系上进行层级表示;
图像确定模块,用于基于层级表示结果,确定得到所述光伏组件的最终图像。
优选的,还包括:
光照列表获取模块,用于根据灰尘序列,并基于灰尘-光照映射表,确定对应灰尘层级的第一光照列表,根据生锈序列,并基于生锈-光照映射表,确定对应生锈层级的第二光照列表,根据遮挡序列,并基于遮挡-光照映射表,确定对应遮挡层级的第三光照列表;
变化参考模块,用于基于天气预测模型,对不同天气变化情况对灰尘层级的影响进行预测,得到灰尘层级的序列变化集合,并筛选可能概率最大的灰尘变化趋势,作为所述灰尘层级所对应灰尘面的变化参考;
变化序列获取模块,用于基于所述变化参考,确定所述第一光照列表的变化光照列表,并转换为变化序列;
第一分割模块,用于按照光伏组件本身的阵列线条对所述最终图像进行第一分割,得到分割图像;
坐标确定模块,用于确定灰尘序列对应的第一坐标、遮挡序列对应的第二坐标、生锈序列对应的第三坐标以及变化序列的第四坐标,确定完全重叠坐标以及不重叠坐标;
第二分割模块,用于按照所述不重叠坐标、不完全重叠、完全重叠坐标对分割图像进行二次分割,获得子图像;
分类分析模块,用于当所述子图像只包括一种序列时,获取与所述一种序列匹配的光照列表,得到所述子图像的第一可吸收光照;
当所述子图像包括两种序列时,获取与所述两种序列匹配的光照列表,确定所述子图像的第二可吸收光照;
当所述子图像包括三种序列时,获取与所述两种序列匹配的光照列表,确定所述子图像的第三可吸收光照;
当所述子图像包括四种序列时,基于所述第一光照列表、第二光照列表、第三光照列表、变化光照列表,确定所述子图像的第四可吸收光照;
个数确定模块,用于基于第一可吸收光照、第二可吸收光照、第三可吸收光照、第四可吸收光照、对应子图像的图像形状以及对应子图像与相邻的子图像的图像间隔,确定对子图像的设置个数;
提醒安装模块,用于按照所述设置个数,提醒向对应子图像对应的阵列区域设置对应个数的光敏传感器。
优选的,所述跟踪检测模块,包括:
光获取单元,用于用于获取设置在每个光伏组件上的若干光敏感传感器的光检测结果;
结果填充单元,用于按照光敏传感器的器件分布,将检测结果依次填充到对应器件分布的位置上;
光阵列获取单元,用于结合所述光伏组件的组件分布,得到对应的外界光阵列。
优选的,所述信息采集模块,包括:
采集单元,用于采集每个光伏组件的第一电流和第一电压,并构建预设时间段内的第一电流曲线以及第一电压曲线;
基于所述第一电流曲线以及第一电压曲线,构建预设时间段内的光伏曲线;
所述光伏曲线与功率有关。
优选的,所述曲线比较模块,包括:
曲线比较单元,用于将光伏曲线与位置角度下获取的最佳曲线进行比较,判断是否存在交点;
若不存在,获取所述光伏曲线与最佳曲线的最小间隔值、最大间隔值、所述光伏曲线的第一最低点、第一最高点以及所述最佳曲线的第二最低点、第二最高点;
获取所述最小间隔值与最大间隔值的第一比值以及第一最低点和第二最低点的第一差值与第一最高点和第二最高点的第二差值的第二比值;
获取第一比值与第三比值的第四比值,若所述第四比值在预设比值范围内,根据最小间隔值与最大间隔值的第一平均值,获取得到对对应光伏组件进行调整的第一待调信息;
若所述第四比值不在预设比值范围内,根据第一差值与第二差值的第二平均值,并结合所述第一平均值,获取得到对对应光伏组件进行调整的第二待调信息;
若存在交点,基于最佳曲线与光伏曲线,获取每个交点对应左侧时间点的第三差值以及对应右侧时间点的第四差值,根据所述第三差值以及第四差值构建所述光伏曲线的值差异阵列以及正负阵列,同时,还获取每个交点对应时刻的光照信息,得到光照阵列;
基于偏离分析机制,确定所述值差异阵列、光照阵列、正负阵列对每个交点的变化偏离值;
提取所述变化偏离值的偏离集中范围,获取得到对对应光伏组件进行调整的第三待调信息。
优选的,所述第一待调信息、第二待调信息以及第三待条信息为比较结果。
优选的,所述跟踪控制模块,包括:
标签设置单元,用于根据比较结果,向每个光伏组件设置待调标签;
方案获取单元,用于基于所述待调标签以及每个光伏组件的实际最大吸光效率,得到第一调整方案;
方案修正单元,用于基于所述外界光阵列以及光照偏向,对所述第一调整方案进行修正,得到第二调整方案;
控制调整单元,用于获取与所述第二调整方案匹配的跟踪控制指令,对整体光伏组件进行位置以及角度的控制调整。
优选的,还包括:
温度检测模块,用于根据所述光伏组件的组件影响布局,在对应光伏组件上筛选若干个测试点进行温度测量,获取对应测试点的表面温度;
可能性确定模块,用于获取基于所述测试点的外界温度以及光伏组件处于工作状态下的平均温度,根据所述外界温度、平均温度以及表面温度,确定对应测试点的温度异常可能性;
个数统计模块,用于统计同个光伏组件上对应的所述温度异常可能性大于预设可能性的测试点的第一个数;
当所述第一个数大于预设个数时,提取与所述第一个数相关的表面温度进行温度曲线绘制,并与平均温度与外界温度的平均温度所绘制的温度曲线进行温度差异比较,并将代表所述光伏组件的位置图标按照与比较差异匹配的显著性操作进行显著性显示。
优选的,所述控制调整单元,包括:
结构分析块,用于对所述光伏组件的调整结构进行结构分析,确定可上下调节的第一结构、可左右调节的第二结构以及可左右调节的第三结构;
方案解析块,用于对所述第二调整方案进行解析,并匹配与第一结构相关的第一子指令、与第二结构相关的第二子指令以及与第三结构相关的第三子指令;
控制调整块,用于按照第一子指令、第二子指令、第三子指令分别对对应结构进行控制调整。
与现有技术相比,本申请的有益效果如下:
通过对外界光的跟踪检测以及曲线对比,可以实现对光伏组件的有效控制调整,保证最大效率的接收太阳光,提高对太阳光的利用,保证光伏发电装置的光伏效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于跟踪控制***的光伏发电装置的结构图;
图2为本发明实施例中灰尘分布的结构图;
图3为本发明实施例中不同结构组合的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供一种基于跟踪控制***的光伏发电装置,如图1所示,包括:
跟踪检测模块,用于根据设置在每个光伏组件上的若干光敏感传感器,跟踪检测外界光,获取对应光伏组件的外界光阵列;
信息采集模块,用于采集每个光伏组件的电流、电压信息,并按照所述电流、电压信息,构建对应采集时刻的光伏曲线;
曲线比较模块,用于按照光伏分析模型,预测所述采集时刻对应的最佳曲线,并将所述最佳曲线与光伏曲线进行比较;
跟踪控制模块,用于按照比较结果以及所述外界光阵列,获取跟踪控制指令,对对应光伏组件进行控制调整。
该实施例中,检测外界光指的是检测的外界光照亮度。
该实施例中,光伏曲线与功率有关。
该实施例中,光伏分析模型是预先设置好的,是以采集时刻对应的最佳功率为输入样本以曲线为输出样本训练得到的。
该实施例中,控制调整指的是光伏组件进行位置以及角度的调整,且是基于现有的可以进行上下、左右、旋转等功能性质的基础结构。
上述技术方案的有益效果是:通过对外界光的跟踪检测以及曲线对比,可以实现对光伏组件的有效控制调整,保证最大效率的接收太阳光,提高对太阳光的利用,保证光伏发电装置的光伏效率。
实施例2:
基于实施例1的基础上,还包括:
光伏组件捕捉模块,用于捕捉所述光伏组件的组件图像;
图像分析模块,用于将所述组件图像输入到图像生锈分析模型,得到光伏生锈布局,并得到生锈序列;
图像分析模块,还用于将所述组件图像输入到图像遮挡分析模型,得到光伏遮挡分布,并得到遮挡序列;
图像分析模块,还用于将所述组件图像输入到图像灰尘分析模型,得到光伏灰尘分布,并得到灰尘序列;
将所述生锈序列、遮挡序列以及灰尘序列在与所述光伏组件一致的预设坐标系上进行层级表示;
图像确定模块,用于基于层级表示结果,确定得到所述光伏组件的最终图像。
该实施例中,通过相机可以拍摄得到组件图像,且图像生锈分析模型、图像遮挡分析模型、图像灰尘分析模型都是预先设置好的。
其中,生锈分析模型是为了确定图像上不同位置的生锈程度,且生锈序列包含位置以及生锈程度在内。
图像遮挡分析模型以及图像灰尘分析模型与生锈分析模型的原理类似。
该实施例中,层级表示指的是最后包括:灰尘层级、遮挡层级以及生锈层级。
上述技术方案的有益效果是:通过生锈、灰尘以及遮挡三种模型对图像的分析,可以有效获取对应的序列,进而可以通过不同的层级表示,得到最终图像,方便对光面传感器的设置,为后续提高最大程度的太阳光的利用提供基础。
实施例3:
基于实施例2的基础上,还包括:
光照列表获取模块,用于根据灰尘序列,并基于灰尘-光照映射表,确定对应灰尘层级的第一光照列表,根据生锈序列,并基于生锈-光照映射表,确定对应生锈层级的第二光照列表,根据遮挡序列,并基于遮挡-光照映射表,确定对应遮挡层级的第三光照列表;
变化参考模块,用于基于天气预测模型,对不同天气变化情况对灰尘层级的影响进行预测,得到灰尘层级的序列变化集合,并筛选可能概率最大的灰尘变化趋势,作为所述灰尘层级所对应灰尘面的变化参考;
变化序列获取模块,用于基于所述变化参考,确定所述第一光照列表的变化光照列表,并转换为变化序列;
第一分割模块,用于按照光伏组件本身的阵列线条对所述最终图像进行第一分割,得到分割图像;
坐标确定模块,用于确定灰尘序列对应的第一坐标、遮挡序列对应的第二坐标、生锈序列对应的第三坐标以及变化序列的第四坐标,确定完全重叠坐标以及不重叠坐标;
第二分割模块,用于按照所述不重叠坐标、不完全重叠、完全重叠坐标对分割图像进行二次分割,获得子图像;
分类分析模块,用于当所述子图像只包括一种序列时,获取与所述一种序列匹配的光照列表,得到所述子图像的第一可吸收光照;
当所述子图像包括两种序列时,获取与所述两种序列匹配的光照列表,确定所述子图像的第二可吸收光照;
当所述子图像包括三种序列时,获取与所述两种序列匹配的光照列表,确定所述子图像的第三可吸收光照;
当所述子图像包括四种序列时,基于所述第一光照列表、第二光照列表、第三光照列表、变化光照列表,确定所述子图像的第四可吸收光照;
个数确定模块,用于基于第一可吸收光照、第二可吸收光照、第三可吸收光照、第四可吸收光照、对应子图像的图像形状以及对应子图像与相邻的子图像的图像间隔,确定对子图像的设置个数;
提醒安装模块,用于按照所述设置个数,提醒向对应子图像对应的阵列区域设置对应个数的光敏传感器。
该实施例中,设置个数的计算如下:
Y1=[P1×A1+P2×A2]
P2=q(ss1,ss2)
P1=∝1+∝2+∝3+∝4
其中,Y1表示对应子图像的设置个数;P1表示对应子图像基于可吸收光照的第一值;A1表示对第一值的转换系数;P2表示对应子图像基于图像形状与图像间隔的第二值;A2表示对第二值的转换系数;q(ss1,ss2)表示基于图像形状ss1与图像间隔ss2的计算函数;∝1表示对应子图像的第一可吸收光照;∝2表示对应子图像的第二可吸收光照;∝3表示对应子图像的第三可吸收光照;∝4表示对应子图像的第四可吸收光照;[]表示取整函数;
其中,由于每个子图像对应一种可吸收光照,因此,该可吸收光照会存在数值,剩余的可吸收光照为0。
该实施例中,阵列区域指的是对应子图像可以设置光敏传感器的轮廓范围。
该实施例中,灰尘-光照映射表,包括灰尘厚度以及不同厚度的灰尘覆盖光伏组件之后,对应的光伏组件对太阳光的吸收,进而可以确定出对应的光照列表,且生锈与遮挡对应的光照列表与上述原理类似。
该实施例中,如图2所示,比如,1表示原先灰尘堆积分布,2表示预测后的灰尘堆积分布,此时,可以获取序列变化集合。
由于不同的天气变化对应的序列变化是不一样的,因此,筛选变化基本一致且变化次数最大的作为参考。
该实施例中,由于灰尘堆积位置的改变,导致光伏组件吸收光照的情况也会发生改变,所以会优先考虑灰尘变化情况。
该实施例中,变化序列指的是针对灰尘的对应位置点的光照吸收发生了改变所得到的。
该实施例中,阵列线条是光伏组件本身设置的分割线。
该实施例中,完全重叠坐标指的是同个坐标上存在四种序列(灰尘序列、生锈序列、遮挡序列以及变化序列)的情况,完全不重叠坐标指的是同个坐标上只存在一种序列的情况,不完全重叠指的是同个坐标上存在两种或三种序列的情况,因此,可以实现再次分割。
上述技术方案的有益效果是:通过确定不同序列对应的光照列表,进而根据对灰尘的预测,可以有效的为光伏组件吸收光照的情况提供有效辅助,且通过对同个位置进行序列个数的确定以及对同个子图像的设置个数的计算,可以实现对光敏传感器的有效安装,保证后续对太阳光的有效利用。
实施例4:
基于实施例1的基础上,所述跟踪检测模块,包括:
光获取单元,用于用于获取设置在每个光伏组件上的若干光敏感传感器的光检测结果;
结果填充单元,用于按照光敏传感器的器件分布,将检测结果依次填充到对应器件分布的位置上;
光阵列获取单元,用于结合所述光伏组件的组件分布,得到对应的外界光阵列。
上述技术方案的有益效果是:通过基于组件分布,可以有效去爹那个阵列框架,且通过确定器件分布,可以确定框架上的可设置数值,且通过进行结果的填充,便于得到外界光阵列,为后续光利用提供基础。
实施例5:
基于实施例1的基础上,所述信息采集模块,包括:
采集单元,用于采集每个光伏组件的第一电流和第一电压,并构建预设时间段内的第一电流曲线以及第一电压曲线;
基于所述第一电流曲线以及第一电压曲线,构建预设时间段内的光伏曲线;
所述光伏曲线与功率有关。
上述技术方案的有益效果是:通过构建电流、电压曲线,便于保证光伏曲线的构建,为后续曲线比较提供基础。
实施例6:
基于实施例1的基础上,所述曲线比较模块,包括:
曲线比较单元,用于将光伏曲线与位置角度下获取的最佳曲线进行比较,判断是否存在交点;
若不存在,获取所述光伏曲线与最佳曲线的最小间隔值、最大间隔值、所述光伏曲线的第一最低点、第一最高点以及所述最佳曲线的第二最低点、第二最高点;
获取所述最小间隔值与最大间隔值的第一比值以及第一最低点和第二最低点的第一差值与第一最高点和第二最高点的第二差值的第二比值;
获取第一比值与第三比值的第四比值,若所述第四比值在预设比值范围内,根据最小间隔值与最大间隔值的第一平均值,获取得到对对应光伏组件进行调整的第一待调信息;
若所述第四比值不在预设比值范围内,根据第一差值与第二差值的第二平均值,并结合所述第一平均值,获取得到对对应光伏组件进行调整的第二待调信息;
若存在交点,基于最佳曲线与光伏曲线,获取每个交点对应左侧时间点的第三差值以及对应右侧时间点的第四差值,根据所述第三差值以及第四差值构建所述光伏曲线的值差异阵列以及正负阵列,同时,还获取每个交点对应时刻的光照信息,得到光照阵列;
基于偏离分析机制,确定所述值差异阵列、光照阵列、正负阵列对每个交点的变化偏离值;
提取所述变化偏离值的偏离集中范围,获取得到对对应光伏组件进行调整的第三待调信息。
优选的,所述第一待调信息、第二待调信息以及第三待条信息为比较结果。
该实施例中,最佳曲线指的是同个位置以及角度下所对应的最佳曲线。
该实施例中,T1表示最小间隔值,T2表示最大间隔值,T10表示第一最低点和第二最低点的第一差值;T20表示第一最高点和第二最高点的第二差值;
第一比值:
Figure BDA0003921082140000131
第二比值:
Figure BDA0003921082140000132
该实施例中,左侧时间点比如是与交点间隔3秒的时间点,右侧时间点比如也是与交点间隔3秒的时间点。
该实施例中,由于第三差值与第四差值有正有负,因此,可以获取值差异阵列以及正负阵列。
该实施例中,光照阵列指的是光照强度构成的。
该实施例中,偏离集中范围指的是,比如:存在变化偏离值为0.1、0.1、0.1、0.1、0.2、0.2、0.8,此时偏离集中范围为0.1-0.2。
上述技术方案的有益效果是:通过进行曲线比较,初步确定是否存在交点,进而可以根据存在与不存在两种情况的讨论,且当不存在时,主要是获取的曲线不同位置的值来进行比较,进而获取待调信息,当存在时,根据获取交点两侧点的信息,来构建不同的阵列,进一步确定变化偏离值,保证最大程度的贴合调整,为后续进行位置以及角度调整提供基础。
实施例7:
基于实施例1的基础上,所述跟踪控制模块,包括:
标签设置单元,用于根据比较结果,向每个光伏组件设置待调标签;
方案获取单元,用于基于所述待调标签以及每个光伏组件的实际最大吸光效率,得到第一调整方案;
方案修正单元,用于基于所述外界光阵列以及光照偏向,对所述第一调整方案进行修正,得到第二调整方案;
控制调整单元,用于获取与所述第二调整方案匹配的跟踪控制指令,对整体光伏组件进行位置以及角度的控制调整。
该实施例中,待调标签指的是按照何种方式获取到的待调信息所设置的标签,更是为了对光伏组件的高效区分。
该实施例中,光照偏向指的是太阳光的照射方向。
该实施例中,跟踪控制指令是为了对光伏组件进行一定角度以及一定高度的调节。
上述技术方案的有益效果是:通过基于待调标签以及实际最大吸光效率,获取得到调整方案,且通过外界光阵列以及光照偏向进行方案调整,可以避免因为存在的阴影导致吸收光效果不理想的情况,进而获取有效指令,实现控制调整,保证最大程度对太阳光的利用。
实施例8:
基于实施例1的基础上,还包括:
温度检测模块,用于根据所述光伏组件的组件影响布局,在对应光伏组件上筛选若干个测试点进行温度测量,获取对应测试点的表面温度;
可能性确定模块,用于获取基于所述测试点的外界温度以及光伏组件处于工作状态下的平均温度,根据所述外界温度、平均温度以及表面温度,确定对应测试点的温度异常可能性;
个数统计模块,用于统计同个光伏组件上对应的所述温度异常可能性大于预设可能性的测试点的第一个数;
当所述第一个数大于预设个数时,提取与所述第一个数相关的表面温度进行温度曲线绘制,并与平均温度与外界温度的平均温度所绘制的温度曲线进行温度差异比较,并将代表所述光伏组件的位置图标按照与比较差异匹配的显著性操作进行显著性显示。
计算对应测试点的温度异常可能性Y3:
Figure BDA0003921082140000151
其中,U1表示表面温度;U0表示外界温度;U2表示平均温度;U3表示光伏组件的初始温度。
该实施例中,温度差异越大,对应的显著性操作越复杂,且显著性显示结果越具备代表性。
该实施例中,组件影响布局与灰尘、遮挡以及生锈有关。
计算测试点的个数:
Figure BDA0003921082140000152
其中,S表示光伏组件的总面积;S1表示光伏组件的生锈面积;S2表示光伏组件的灰尘面积;S3表示光伏组件的遮挡面积;Δ1表示基于生锈面积的调节系数;Δ2表示针对遮挡面积的调整系数;Δ3表示针对灰尘面积的调整系数;f1表示针对生锈的影响权重;f2表示针对遮挡的影响权重;f3表示针对灰尘的影响权重;且f1+f2+f3=1。[]表示取整函数;D表示设置间隔。
上述技术方案的有益效果是:通过确定组件影响布局,进而实现对测试点的温度异常可能性的判断,且通过进行个数统计以及温度曲线比较,可以有效的进行显示,保证及时了解组件的温度情况。
实施例9:
基于实施例7的基础上,所述控制调整单元,包括:
结构分析块,用于对所述光伏组件的调整结构进行结构分析,确定可上下调节的第一结构、可左右调节的第二结构以及可旋转调节的第三结构;
方案解析块,用于对所述第二调整方案进行解析,并匹配与第一结构相关的第一子指令、与第二结构相关的第二子指令以及与第三结构相关的第三子指令;
控制调整块,用于按照第一子指令、第二子指令、第三子指令分别对对应结构进行控制调整。
如图3所示,第一结构01调节上下,第二结构02调节左右,第三结构03调节旋转,04表示旋转部件,05表示上下移动部件,06表示左右移动部件。
该实施例中,通过分别向不同的结构匹配指令,实现对光伏组件的精准控制。
上述技术方案的有益效果是:通过对结构分解以及对指令解析,可以有效的实现对结构的精准控制,保证最大程度上对光的利用。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于跟踪控制***的光伏发电装置,其特征在于,包括:
跟踪检测模块,用于根据设置在每个光伏组件上的若干光敏感传感器,跟踪检测外界光,获取对应光伏组件的外界光阵列;
信息采集模块,用于采集每个光伏组件的电流、电压信息,并按照所述电流、电压信息,构建对应采集时刻的光伏曲线;
曲线比较模块,用于按照光伏分析模型,预测所述采集时刻对应的最佳曲线,并将所述最佳曲线与光伏曲线进行比较;
跟踪控制模块,用于按照比较结果以及所述外界光阵列,获取跟踪控制指令,对对应光伏组件进行控制调整。
2.如权利要求1所述的基于跟踪控制***的光伏发电装置,其特征在于,还包括:
光伏组件捕捉模块,用于捕捉所述光伏组件的组件图像;
图像分析模块,用于将所述组件图像输入到图像生锈分析模型,得到光伏生锈布局,并得到生锈序列;
图像分析模块,还用于将所述组件图像输入到图像遮挡分析模型,得到光伏遮挡分布,并得到遮挡序列;
图像分析模块,还用于将所述组件图像输入到图像灰尘分析模型,得到光伏灰尘分布,并得到灰尘序列;
将所述生锈序列、遮挡序列以及灰尘序列在与所述光伏组件一致的预设坐标系上进行层级表示;
图像确定模块,用于基于层级表示结果,确定得到所述光伏组件的最终图像。
3.如权利要求2所述的基于跟踪控制***的光伏发电装置,其特征在于,还包括:
光照列表获取模块,用于根据灰尘序列,并基于灰尘-光照映射表,确定对应灰尘层级的第一光照列表,根据生锈序列,并基于生锈-光照映射表,确定对应生锈层级的第二光照列表,根据遮挡序列,并基于遮挡-光照映射表,确定对应遮挡层级的第三光照列表;
变化参考模块,用于基于天气预测模型,对不同天气变化情况对灰尘层级的影响进行预测,得到灰尘层级的序列变化集合,并筛选可能概率最大的灰尘变化趋势,作为所述灰尘层级所对应灰尘面的变化参考;
变化序列获取模块,用于基于所述变化参考,确定所述第一光照列表的变化光照列表,并转换为变化序列;
第一分割模块,用于按照光伏组件本身的阵列线条对所述最终图像进行第一分割,得到分割图像;
坐标确定模块,用于确定灰尘序列对应的第一坐标、遮挡序列对应的第二坐标、生锈序列对应的第三坐标以及变化序列的第四坐标,确定完全重叠坐标以及不重叠坐标;
第二分割模块,用于按照所述不重叠坐标、不完全重叠、完全重叠坐标对分割图像进行二次分割,获得子图像;
分类分析模块,用于当所述子图像只包括一种序列时,获取与所述一种序列匹配的光照列表,得到所述子图像的第一可吸收光照;
当所述子图像包括两种序列时,获取与所述两种序列匹配的光照列表,确定所述子图像的第二可吸收光照;
当所述子图像包括三种序列时,获取与所述两种序列匹配的光照列表,确定所述子图像的第三可吸收光照;
当所述子图像包括四种序列时,基于所述第一光照列表、第二光照列表、第三光照列表、变化光照列表,确定所述子图像的第四可吸收光照;
个数确定模块,用于基于第一可吸收光照、第二可吸收光照、第三可吸收光照、第四可吸收光照、对应子图像的图像形状以及对应子图像与相邻的子图像的图像间隔,确定对子图像的设置个数;
提醒安装模块,用于按照所述设置个数,提醒向对应子图像对应的阵列区域设置对应个数的光敏传感器。
4.如权利要求1所述的基于跟踪控制***的光伏发电装置,其特征在于,所述跟踪检测模块,包括:
光获取单元,用于用于获取设置在每个光伏组件上的若干光敏感传感器的光检测结果;
结果填充单元,用于按照光敏传感器的器件分布,将检测结果依次填充到对应器件分布的位置上;
光阵列获取单元,用于结合所述光伏组件的组件分布,得到对应的外界光阵列。
5.如权利要求1所述的基于跟踪控制***的光伏发电装置,其特征在于,所述信息采集模块,包括:
采集单元,用于采集每个光伏组件的第一电流和第一电压,并构建预设时间段内的第一电流曲线以及第一电压曲线;
基于所述第一电流曲线以及第一电压曲线,构建预设时间段内的光伏曲线;
所述光伏曲线与功率有关。
6.如权利要求1所述的基于跟踪控制***的光伏发电装置,其特征在于,所述曲线比较模块,包括:
曲线比较单元,用于将光伏曲线与位置角度下获取的最佳曲线进行比较,判断是否存在交点;
若不存在,获取所述光伏曲线与最佳曲线的最小间隔值、最大间隔值、所述光伏曲线的第一最低点、第一最高点以及所述最佳曲线的第二最低点、第二最高点;
获取所述最小间隔值与最大间隔值的第一比值以及第一最低点和第二最低点的第一差值与第一最高点和第二最高点的第二差值的第二比值;
获取第一比值与第三比值的第四比值,若所述第四比值在预设比值范围内,根据最小间隔值与最大间隔值的第一平均值,获取得到对对应光伏组件进行调整的第一待调信息;
若所述第四比值不在预设比值范围内,根据第一差值与第二差值的第二平均值,并结合所述第一平均值,获取得到对对应光伏组件进行调整的第二待调信息;
若存在交点,基于最佳曲线与光伏曲线,获取每个交点对应左侧时间点的第三差值以及对应右侧时间点的第四差值,根据所述第三差值以及第四差值构建所述光伏曲线的值差异阵列以及正负阵列,同时,还获取每个交点对应时刻的光照信息,得到光照阵列;
基于偏离分析机制,确定所述值差异阵列、光照阵列、正负阵列对每个交点的变化偏离值;
提取所述变化偏离值的偏离集中范围,获取得到对对应光伏组件进行调整的第三待调信息。
7.如权利要求6所述的基于跟踪控制***的光伏发电装置,其特征在于,
所述第一待调信息、第二待调信息以及第三待条信息为比较结果。
8.如权利要求1所述的基于跟踪控制***的光伏发电装置,其特征在于,所述跟踪控制模块,包括:
标签设置单元,用于根据比较结果,向每个光伏组件设置待调标签;
方案获取单元,用于基于所述待调标签以及每个光伏组件的实际最大吸光效率,得到第一调整方案;
方案修正单元,用于基于所述外界光阵列以及光照偏向,对所述第一调整方案进行修正,得到第二调整方案;
控制调整单元,用于获取与所述第二调整方案匹配的跟踪控制指令,对整体光伏组件进行位置以及角度的控制调整。
9.如权利要求1所述的基于跟踪控制***的光伏发电装置,其特征在于,还包括:
温度检测模块,用于根据所述光伏组件的组件影响布局,在对应光伏组件上筛选若干个测试点进行温度测量,获取对应测试点的表面温度;
可能性确定模块,用于获取基于所述测试点的外界温度以及光伏组件处于工作状态下的平均温度,根据所述外界温度、平均温度以及表面温度,确定对应测试点的温度异常可能性;
个数统计模块,用于统计同个光伏组件上对应的所述温度异常可能性大于预设可能性的测试点的第一个数;
当所述第一个数大于预设个数时,提取与所述第一个数相关的表面温度进行温度曲线绘制,并与平均温度与外界温度的平均温度所绘制的温度曲线进行温度差异比较,并将代表所述光伏组件的位置图标按照与比较差异匹配的显著性操作进行显著性显示。
10.如权利要求8所述的基于跟踪控制***的光伏发电装置,其特征在于,所述控制调整单元,包括:
结构分析块,用于对所述光伏组件的调整结构进行结构分析,确定可上下调节的第一结构、可左右调节的第二结构以及可左右调节的第三结构;
方案解析块,用于对所述第二调整方案进行解析,并匹配与第一结构相关的第一子指令、与第二结构相关的第二子指令以及与第三结构相关的第三子指令;
控制调整块,用于按照第一子指令、第二子指令、第三子指令分别对对应结构进行控制调整。
CN202211359388.5A 2022-11-01 2022-11-01 一种基于跟踪控制***的光伏发电装置 Active CN115913104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211359388.5A CN115913104B (zh) 2022-11-01 2022-11-01 一种基于跟踪控制***的光伏发电装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211359388.5A CN115913104B (zh) 2022-11-01 2022-11-01 一种基于跟踪控制***的光伏发电装置

Publications (2)

Publication Number Publication Date
CN115913104A true CN115913104A (zh) 2023-04-04
CN115913104B CN115913104B (zh) 2023-11-07

Family

ID=86477531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211359388.5A Active CN115913104B (zh) 2022-11-01 2022-11-01 一种基于跟踪控制***的光伏发电装置

Country Status (1)

Country Link
CN (1) CN115913104B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108064361A (zh) * 2016-08-18 2018-05-22 苏州聚晟太阳能科技股份有限公司 智能化跟踪***及方法
CN111708830A (zh) * 2020-07-12 2020-09-25 国网山西省电力公司电力科学研究院 一种基于图像处理的光伏电站光伏板污染物智能检测辅助***及方法
CN111798441A (zh) * 2020-07-12 2020-10-20 国网山西省电力公司电力科学研究院 一种基于图像处理的光伏电站光伏板污染物检测方法
CN112871938A (zh) * 2020-12-21 2021-06-01 国家能源集团新能源技术研究院有限公司 一种光伏电站清扫监控一体化管理***
CN114299033A (zh) * 2021-12-29 2022-04-08 中国科学技术大学 一种基于YOLOv5的光伏板红外图像热斑检测方法及***
CN114289409A (zh) * 2021-11-29 2022-04-08 中国华能集团清洁能源技术研究院有限公司 一种光伏电站喷水喷气清洁***
CN114944816A (zh) * 2022-05-13 2022-08-26 众芯汉创(北京)科技有限公司 一种应用于光伏组件的智能巡检***
CN115133874A (zh) * 2022-06-28 2022-09-30 西安万飞控制科技有限公司 一种无人机联动巡查光伏电站故障检测的方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108064361A (zh) * 2016-08-18 2018-05-22 苏州聚晟太阳能科技股份有限公司 智能化跟踪***及方法
CN111708830A (zh) * 2020-07-12 2020-09-25 国网山西省电力公司电力科学研究院 一种基于图像处理的光伏电站光伏板污染物智能检测辅助***及方法
CN111798441A (zh) * 2020-07-12 2020-10-20 国网山西省电力公司电力科学研究院 一种基于图像处理的光伏电站光伏板污染物检测方法
CN112871938A (zh) * 2020-12-21 2021-06-01 国家能源集团新能源技术研究院有限公司 一种光伏电站清扫监控一体化管理***
CN114289409A (zh) * 2021-11-29 2022-04-08 中国华能集团清洁能源技术研究院有限公司 一种光伏电站喷水喷气清洁***
CN114299033A (zh) * 2021-12-29 2022-04-08 中国科学技术大学 一种基于YOLOv5的光伏板红外图像热斑检测方法及***
CN114944816A (zh) * 2022-05-13 2022-08-26 众芯汉创(北京)科技有限公司 一种应用于光伏组件的智能巡检***
CN115133874A (zh) * 2022-06-28 2022-09-30 西安万飞控制科技有限公司 一种无人机联动巡查光伏电站故障检测的方法及***

Also Published As

Publication number Publication date
CN115913104B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN108964606B (zh) 一种光伏***热斑故障检测方法
CN110210060B (zh) 太阳能光伏板表面积灰程度的预测方法
CN114743115A (zh) 一种光伏电子设备的遮挡物识别方法及故障预警***
Paletta et al. Omnivision forecasting: Combining satellite and sky images for improved deterministic and probabilistic intra-hour solar energy predictions
CN116690613B (zh) 一种光伏智能清扫机器人的控制方法及***
CN113418925A (zh) 一种基于卫星影像的光伏板异常目标检测***及方法
CN107168049A (zh) 光伏阵列输出特性曲线实时获取方法
CN116781008A (zh) 一种光伏电站的异常状态检测方法及***
Sampath et al. Estimation of rooftop solar energy generation using satellite image segmentation
Kurukuru et al. Machine learning framework for photovoltaic module defect detection with infrared images
CN111402249B (zh) 基于深度学习的图像演化分析方法
CN113989241A (zh) 一种基于图像处理与深度学习融合的光伏组件el缺陷检测方法
CN116543303A (zh) 一种基于深度学习的桥梁板式橡胶支座病害识别检测方法
CN115913104A (zh) 一种基于跟踪控制***的光伏发电装置
CN114529537A (zh) 光伏板的异常目标检测方法、***、设备及介质
CN117496426A (zh) 基于互学习的预制梁工序识别方法及装置
CN112288730A (zh) 基于人工智能的光伏电池板表面缺陷定位方法及装置
KR102579901B1 (ko) I-v 곡선을 이용한 태양광 발전 진단 시스템 및 방법
CN112927222B (zh) 一种基于混合改进Faster R-CNN实现多种类光伏阵列热斑检测方法
CN115953568A (zh) 一种基于轻量级目标检测架构的矿物智能分选方法
Du et al. Nowcasting methods for optimising building performance
CN115759471A (zh) 基于多模态融合的ai光伏清洗预测***
CN116503308A (zh) 一种基于级联区域卷积神经网络的光伏板故障识别方法
Hu et al. A detecting algorithm for occlusion on the surface of photovoltaic modules based on improved YOLOv5
Aslani et al. A Spatially Detailed Approach to the Assessment of Rooftop Solar Energy Potential based on LiDAR Data.

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