CN117169585A - 一种光伏板功率测试*** - Google Patents
一种光伏板功率测试*** Download PDFInfo
- Publication number
- CN117169585A CN117169585A CN202311178684.XA CN202311178684A CN117169585A CN 117169585 A CN117169585 A CN 117169585A CN 202311178684 A CN202311178684 A CN 202311178684A CN 117169585 A CN117169585 A CN 117169585A
- Authority
- CN
- China
- Prior art keywords
- test
- photovoltaic panel
- volt
- error compensation
- characteristic curve
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 155
- 238000005286 illumination Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000013097 stability assessment Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- 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
- Testing Of Individual Semiconductor Devices (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏板功率测试***,涉及新能源技术领域,解决了现有技术无法准确测量出光伏板的输出功率及其稳定性的技术问题;本发明判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;本发明先判定曲线是否正常,在判断曲线偏差是否正常,实现了光伏板性能的多方面测试;本发明基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线;本发明通过误差补偿能够测试数据的准确性,进而保证光伏板功率测试的准确性。
Description
技术领域
本发明属于新能源领域,涉及光伏板功率测试技术,具体是一种光伏板功率测试***。
背景技术
光伏板功率测试用来测量和评估光伏板的输出功率和性能,通过软硬件结合准确测量光伏板在不同光照条件下产生的电能,并分析其效率和性能参数。光伏板功率测试对于光伏板的性能评估和优化具有重要意义,因此如何快速准确的实现光伏板功率测试是非常值得研究的课题。
现有技术在进行光伏板功率测试时,通过获取设定光照条件下的光伏板的测试电压和测试电流,基于测试电流和测试电压拟合出光伏板的伏安特性曲线,再根据伏安特性曲线来分析光伏板的输出功率是否正常。但是,现有技术中的测试环境并不稳定,影响测试结果的准确性;而且一般只进行设定光照条件下的功率测试,难以保证光伏板在各种光照条件下输出功率的稳定性。
本发明提供了一种光伏板功率测试***,以解决上述技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种光伏板功率测试***,用于解决现有技术无法准确测量出光伏板的输出功率及其稳定性的技术问题。
为实现上述目的,本发明的第一方面提供了一种光伏板功率测试***,包括中枢控制模块,以及与之相连接的数据采集模块和终端预警模块;数据采集模块:通过与之相连接的若干类型数据传感器获取光伏板在各测试环境下的测试结果,整合成测试数据;中枢控制模块:基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线;以及,判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;终端预警模块:基于中枢控制模块生成的预警信号进行异常预警,以及显示光伏板在不同光照条件下的伏安特性曲线。
本发明按照光照条件的不同(光强不同)来设置不同的测试环境,通过数据传感器测得测试数据之后,通过误差补偿模型来对测试数据进行补偿,得到准确的测试数据。接着,基于测试数据生成不同光照条件下的伏安特性曲线,根据若干伏安特性曲线来判断光伏板的输出是否合格,以及稳定性是否符合要求。
本发明中的测试数据包括测试环境、测试电流和测试电压,测试环境包括测试温度、测试光强和大气质量;每组测试环境中的测试光强不同,测试温度和大气质量可设置在标准条件下,如测试温度为25℃,大气质量为AM1.5;常见的大气质量计算公式如下:AM=1/sin(θ),其中,θ为太阳高度角。
本发明中的中枢控制模块分别与数据采集模块和终端预警模块通信和/或电气连接;终端预警模块与智能终端通信和/或电气连接;数据采集模块与若干类型数据传感器通信和/或电气连接;其中,若干类型数据传感器包括温度传感器、湿度传感器、电流传感器和电压传感器。中枢控制模块主要进行数据分析,数据采集模块则进行数据采集,终端预警模块则对测试结果进行显示和预警。
优选的,所述基于误差补偿模型获取各测试环境对应的误差补偿值,包括:将测试环境中的测试温度、测试光强和大气质量整合为补偿输入序列;调用误差补偿模型,将补偿输入序列输入至误差补偿模型获取误差补偿值。
为了尽可能保证测试数据的准确性以及简化测试过程,本发明并没有针对所有可能的测试温度、大气质量等进行模拟,而是通过误差补偿模型来对测试数据进行补偿。本发明中不同光照条件是模拟了光伏板在实际工作过程中可能经历的光强。
优选的,所述误差补偿模型基于人工智能模型构建,包括:通过在模拟环境下测试获取标准训练数据;构建人工智能模型;基于标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为误差补偿模型。
本发明中的标准输入数据包括与补偿输入序列内容属性一致的标准输入数据,以及与误差补偿值内容属性一致的标准输出数据;即标准输入数据也包括测试温度、大气质量和测试光强,而标准输出数据则是标准输入数据对应的电流误差和电压误差。
本发明的人工智能模型包括BP神经网络模型或者RBF神经网路模型,利用人工智能模型强大的非线性能力来挖掘测试温度、大气质量在该测试光强下对光伏板测试电流和测试电压的影响。
优选的,所述判断伏安特性曲线与对应的标准特性曲线是否相似,包括:调取伏安特性曲线,以及调取与该伏安特性曲线光照条件相同的标准特性曲线;获取伏安特性曲线与标准特性曲线的曲线相似度;当所有曲线相似度均大于设定的相似度阈值时,则进行下一步;否,则生成预警信号。
本发明中的标准特性曲线为相同光照条件下伏安特性曲线的参考曲线,且标准特征曲线经过修正。比较伏安特性曲线与对应光照条件下的标准特性曲线,二者的变化趋势和变化幅度约接近,则曲线相似度越高;否则,判定光伏板的输出存在问题,生成预警信号。
优选的,所述基于不同光照条件下伏安特性曲线判断光伏板输出稳定性,包括:将不同光照条件的伏安特性曲线和对应的标准特性曲线分别标记为FAi和BTi;获取伏安特性曲线FAi与标准特性曲线BTi之间的最大值之差以及最大值对应的电压之差,分别标记为ZCi和YCi;通过公式WPX=α×XSJ×exp[-∑(β1×|ZCi|+β2×|YCi|)]计算光伏板的稳定性评估系数WPX;当稳定性评估系数WPX大于设定的稳定性系数阈值时,则判定光伏板输出稳定;否则,判定光伏板输出不稳定。
本发明在判断所有光照条件下曲线相似度正常之后,还需要验证光伏板在各光照条件下输出功率的稳定性。主要是判断各光照条件下伏安特性曲线与标准特性曲线的最大值(最大输出功率)之差以及最大值对应的测试电流的差值。结合各光照条件下的曲线相似度计算稳定性评估系数,进而完成光伏板的输出稳定性分析。
与现有技术相比,本发明的有益效果是:
1.本发明判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;本发明先判定曲线是否正常,在判断曲线偏差是否正常,实现了光伏板性能的多方面测试。
2.本发明基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线;本发明通过误差补偿能够测试数据的准确性,进而保证光伏板功率测试的准确性。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明的***原理示意图;
图2为本发明的发明步骤示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明第一方面实施例提供了一种光伏板功率测试***,包括中枢控制模块,以及与之相连接的数据采集模块和终端预警模块;数据采集模块:通过与之相连接的若干类型数据传感器获取光伏板在各测试环境下的测试结果,整合成测试数据;中枢控制模块:基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线;以及,判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;终端预警模块:基于中枢控制模块生成的预警信号进行异常预警,以及显示光伏板在不同光照条件下的伏安特性曲线。
本实施例的第一步是数据采集模块:通过与之相连接的若干类型数据传感器获取光伏板在各测试环境下的测试结果,整合成测试数据。
以测试温度25℃、大气质量AM1.5结合多个测试光强组成测试环境。将光伏板放在每组测试环境下进行测试,得到测试电流和测试电压;将各测试环境与对应的测试电流和测试电压整合成测试数据。
本实施例的第二步是基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线。
预先模拟获取不同测试环境对应的误差补偿值,将测试环境(测试温度、大气质量和测试光强)整合为标准输入数据,将测试环境对应的误差补偿值整合为标准输出数据;通过标准输入数据和标准输出数据训练人工智能模型,获取误差补偿模型。
在获取光伏板的测试数据之后,将测试数据对应的测试环境整合为补偿输入序列,输入到误差补偿模型中得到对应测试电流和测试电压的误差补偿值。需要说明的是,误差补偿值可正可负。
本实施例的第三步是判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号。
分别获取提取各光照条件(测试光强)的伏安特性曲线,以及对应的标准特性曲线。计算二者之间的曲线相似度,当所有光照条件下的曲线相似度均大于设定的相似度阈值(根据经验设定)时,则进行下一步;否则,生成预警信号。
接下来,计算各光照条件下的伏安特性曲线和标准特性曲线之间的最大值(输出功率的最大值)之差ZCi,以及最大值对应的测试电压之差YCi;还需要计算各光照条件下曲线相似度均值XSJ,结合公式WPX=α×XSJ×exp[-∑(β1×|ZCi|+β2×|YCi|)]计算光伏板的稳定性评估系数WPX;当稳定性评估系数WPX大于设定的稳定性评估阈值时,则判定光伏板稳定性符合要求。
上述公式中的部分数据是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理:获取光伏板在各测试环境下的测试结果,整合成测试数据;基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线。判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;基于生成的预警信号进行异常预警,以及显示光伏板在不同光照条件下的伏安特性曲线。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种光伏板功率测试***,包括中枢控制模块,以及与之相连接的数据采集模块和终端预警模块;其特征在于:
数据采集模块:通过与之相连接的若干类型数据传感器获取光伏板在各测试环境下的测试结果,整合成测试数据;其中,测试数据包括测试环境、测试电流和测试电压,测试环境包括测试温度、测试光强和大气质量;
中枢控制模块:基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线;其中,误差补偿模型基于人工智能模型构建;以及,
判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;
终端预警模块:基于中枢控制模块生成的预警信号进行异常预警,以及显示光伏板在不同光照条件下的伏安特性曲线。
2.根据权利要求1所述的一种光伏板功率测试***,其特征在于,所述基于误差补偿模型获取各测试环境对应的误差补偿值,包括:
将测试环境中的测试温度、测试光强和大气质量整合为补偿输入序列;
调用误差补偿模型,将补偿输入序列输入至误差补偿模型获取误差补偿值;其中,误差补偿值包括补偿电流和补偿电压。
3.根据权利要求2所述的一种光伏板功率测试***,其特征在于,所述误差补偿模型基于人工智能模型构建,包括:
通过在模拟环境下测试获取标准训练数据;其中,标准输入数据包括与补偿输入序列内容属性一致的标准输入数据,以及与误差补偿值内容属性一致的标准输出数据;
构建人工智能模型;基于标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为误差补偿模型;其中,人工智能模型包括BP神经网络模型或者RBF神经网路模型。
4.根据权利要求1所述的一种光伏板功率测试***,其特征在于,所述判断伏安特性曲线与对应的标准特性曲线是否相似,包括:
调取伏安特性曲线,以及调取与该伏安特性曲线光照条件相同的标准特性曲线;其中,标准特性曲线为相同光照条件下伏安特性曲线的参考曲线;
获取伏安特性曲线与标准特性曲线的曲线相似度;当所有曲线相似度均大于设定的相似度阈值时,则进行下一步;否,则生成预警信号。
5.根据权利要求4所述的一种光伏板功率测试***,其特征在于,所述基于不同光照条件下伏安特性曲线判断光伏板输出稳定性,包括:
将不同光照条件的伏安特性曲线和对应的标准特性曲线分别标记为FAi和BTi;获取伏安特性曲线FAi与标准特性曲线BTi之间的最大值之差以及最大值对应的电压之差,分别标记为ZCi和YCi;其中,i为不同光照条件的编号,i=1,2,…,n,n为正整数;
通过公式WPX=α×XSJ×exp[-∑(β1×|ZCi|+β2×|YCi|)]计算光伏板的稳定性评估系数WPX;当稳定性评估系数WPX大于设定的稳定性系数阈值时,则判定光伏板输出稳定;否则,判定光伏板输出不稳定;其中,XSJ为曲线相似度均值,α为大于0的比例系数,β1和β2为设定的权重系数,∑为求和符号。
6.根据权利要求1所述的一种光伏板功率测试***,其特征在于,所述中枢控制模块分别与数据采集模块和终端预警模块通信和/或电气连接;所述终端预警模块与智能终端通信和/或电气连接;
所述数据采集模块与若干类型数据传感器通信和/或电气连接;其中,若干类型数据传感器包括温度传感器、电流传感器和电压传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178684.XA CN117169585A (zh) | 2023-09-12 | 2023-09-12 | 一种光伏板功率测试*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178684.XA CN117169585A (zh) | 2023-09-12 | 2023-09-12 | 一种光伏板功率测试*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117169585A true CN117169585A (zh) | 2023-12-05 |
Family
ID=88933491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311178684.XA Pending CN117169585A (zh) | 2023-09-12 | 2023-09-12 | 一种光伏板功率测试*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117169585A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117647726A (zh) * | 2024-01-30 | 2024-03-05 | 国网信息通信产业集团有限公司 | 一种核心板测试验证方法及*** |
CN117749084A (zh) * | 2023-12-07 | 2024-03-22 | 贵州建工集团第四建筑工程有限责任公司 | 一种屋面单晶硅建筑施工方法及*** |
-
2023
- 2023-09-12 CN CN202311178684.XA patent/CN117169585A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117749084A (zh) * | 2023-12-07 | 2024-03-22 | 贵州建工集团第四建筑工程有限责任公司 | 一种屋面单晶硅建筑施工方法及*** |
CN117749084B (zh) * | 2023-12-07 | 2024-05-28 | 贵州建工集团第四建筑工程有限责任公司 | 一种屋面单晶硅建筑施工方法及*** |
CN117647726A (zh) * | 2024-01-30 | 2024-03-05 | 国网信息通信产业集团有限公司 | 一种核心板测试验证方法及*** |
CN117647726B (zh) * | 2024-01-30 | 2024-03-29 | 国网信息通信产业集团有限公司 | 一种核心板测试验证方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117169585A (zh) | 一种光伏板功率测试*** | |
CN108062571B (zh) | 基于差分进化随机森林分类器的光伏阵列故障诊断方法 | |
Attivissimo et al. | Uncertainty analysis in photovoltaic cell parameter estimation | |
Adamo et al. | Characterization and testing of a tool for photovoltaic panel modeling | |
Bastidas-Rodríguez et al. | Model-based degradation analysis of photovoltaic modules through series resistance estimation | |
CN213846610U (zh) | 一种光伏组件测试装置 | |
CN114608741A (zh) | 一种基于大数据的压力传感器采集*** | |
CN116383658A (zh) | 一种基于bp神经网络的太阳能电池板故障诊断方法及装置 | |
CN109086891B (zh) | 基于模糊逻辑推理的热斑故障诊断方法 | |
CN104253586B (zh) | 一种太阳能电池板电气参数在线测量评价装置及方法 | |
CN112364941B (zh) | 一种新能源场站频率特性检测方法、装置和*** | |
CN114280490A (zh) | 一种锂离子电池荷电状态估计方法及*** | |
KR20030076800A (ko) | 태양전지 등가회로 파라미터 추정방법 및 그 파라미터측정 장치 | |
CN107918704A (zh) | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 | |
Spagnuolo et al. | Identification and diagnosis of a photovoltaic module based on outdoor measurements | |
CN111277221A (zh) | 一种光伏故障诊断方法和装置 | |
CN113746132B (zh) | 一种基于云边协同的光伏电站及其控制方法 | |
CN113191075B (zh) | 一种基于改进型樽海鞘群算法的光伏阵列故障诊断方法 | |
CN115200748A (zh) | 基于智能电子体温计状态测量控制*** | |
CN115800916A (zh) | 一种光伏电站智能i-v诊断*** | |
CN115189647A (zh) | 基于传感器检测法的光伏阵列故障定位方法 | |
CN115292965A (zh) | 一种基于最小二乘回归的动态光伏模型参数辨识方法 | |
CN112528566A (zh) | 基于AdaBoost训练模型的空气质量数据实时校准方法及*** | |
CN117254772B (zh) | 一种基于电能计量装置的数据处理方法和*** | |
US20170149380A1 (en) | Embedded photovoltaic monitoring device, system and method |
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 |