CN103106657A - 基于时段的光伏电池板遮荫部分的检测方法 - Google Patents
基于时段的光伏电池板遮荫部分的检测方法 Download PDFInfo
- Publication number
- CN103106657A CN103106657A CN2013100232080A CN201310023208A CN103106657A CN 103106657 A CN103106657 A CN 103106657A CN 2013100232080 A CN2013100232080 A CN 2013100232080A CN 201310023208 A CN201310023208 A CN 201310023208A CN 103106657 A CN103106657 A CN 103106657A
- Authority
- CN
- China
- Prior art keywords
- time
- real image
- photovoltaic battery
- cluster
- battery panel
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出了一种基于时段的光伏电池板遮荫部分的检测方法,属于光伏发电领域,该检测方法包括以下步骤:S1.判断当前时间是否在日出之后日落之前的时间段内:如果在该时间段内则采集光伏电池板的实际图像A,否则结束操作;S2.将经灰度处理后的实际图像A与原始图像B进行比较,其中该原始图像是指不存在阴影部分的灰度图:如果相同则结束操作;如果不相同则将该实际图像A的阴影部分进行图像分割,获得该光伏电池板的遮荫区域。本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像,降低了检测能耗,并且结合K-均值聚类方法与基于一维直方图的FCM方法进行图像分割,提高了图像分割的准确度和速度。
Description
技术领域
本发明涉及一种光伏发电系统,尤其涉及一种基于时段的光伏电池板遮荫部分的检测方法。
背景技术
光伏发电系统在推广普及过程中,关键在于如何提高太阳能的利用率。光伏发电系统在工作过程中不可避免的会受到树木、高楼、云朵、鸟类等阴影的遮挡,阴影的出现会使光伏电池板的发电效率大大降低,严重时会引起“热斑”效应甚至造成安全问题。在局部遮荫情况下,最大功率点跟踪方法是一种提高光伏电池板输出功率的有效方法。目前的最大功率点跟踪方法为通过假设阴影区域,使光伏电池阵列始终工作在最大功率点附近,以此实现发电效率的提高,因此传统的最大功率点跟踪方法中假设阴影区域不能真实地反映光伏电池的遮荫部分。
此外,在传统的最大功率点跟踪方法中还需要采集光伏电池板中所有光伏电池的遮荫度,这就需要采用大量的光强度传感器采集多路信号,无疑增加了光伏发电系统的使用成本。
发明内容
本发明旨在解决现有技术中存在的技术问题,特别创新地提出了一种基于时段的光伏电池板遮荫部分的检测方法,仅在日出之后日落之前的时间段内采集光伏电池板的实际图像,通过图像分割获得光伏电池板遮荫部分,降低了检测能耗。
为了实现本发明的上述目的,本发明提供了一种基于时段的光伏电池板遮荫部分的检测方法,其特征在于包括以下步骤:S1、判断当前时间是否在日出之后日落之前的时间段内:如果在该时间段内则采集光伏电池板的实际图像A,否则结束操作;
S2、将该光伏电池板的实际图像A进行灰度处理,并且将经灰度处理后的实际图像A与原始图像B进行比较,其中该原始图像是指不存在阴影部分的灰度图:如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分,结束操作;如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分,将该实际图像A的阴影部分进行图像分割,获得该光伏电池板的遮荫区域。本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像,通过图像分割获得光伏电池板遮荫部分,降低了检测能耗。
该基于时段的光伏电池板遮荫部分的检测方法还包括步骤S3、采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度。
所述步骤S1还包括确定该日出之后日落之前的时间段的过程:
S10、获取当前的日期以及该光伏电池板所在地区的经度、纬度;
S11、根据公式TC=T1+4k计算出该光伏电池板所在地区的日出时间TC,其中T1表示太阳时t在设定地区所对应的时间,k表示由东向西,该设定地区与该光伏电池板所在地区之间的经度偏差,该太阳时t=ω/15,δ=23.45sin[(360*(284+N)/365)],ω表示太阳时角,φ表示该光伏电池板所在地区的纬度,δ表示太阳赤纬角,N表示当前日期在一年中的天数;
S12、根据公式TL=24-TL计算出该光伏电池板所在地区的日落时间TL;
S13、对该光伏电池板所在地区的经度、纬度、日期及其对应的日出时间TC、日落时间TL进行存储。
所述步骤S2中对该实际图像A的阴影部分进行图像分割后还包括以下步骤:将经图像分割后的阴影部分采用数学形态学进行处理,去除阴影部分中的细小空洞和孤立点,由此更加准确地获得了实际图像A中的阴影部分,提高了检测精度。
所述步骤S2中对该实际图像A的阴影部分进行图像分割的过程为:
S20、采用K-均值聚类方法获得适用于基于一维直方图的FCM方法中的k个初始聚类中心v′0;
S21、采用该基于一维直方图的FCM方法对该实际图像A的阴影部分进行图像分割。
所述步骤S20由以下步骤组成:
A0、将该实际图像A中像素点的灰度值表示为X={x1,…xl,…,xn},其中xl表示该实际图像A中第l个像素点的灰度值,n表示该实际图像A中像素点的个数,0≤l≤n且l、n均为整数,并且根据公式确定k个初始聚类中心,j依次取区间[1,k]内的整数,其中k为整数,max(X)表示该实际图像A中像素点的最大灰度值;
A1、根据公式ζl=||xl-vi||分别求取该实际图像A中每一像素点灰度值与第i次迭代后各聚类中心vi之间的欧氏距离,并将对应的像素点灰度值归类至距离其最近的聚类中心所对应的聚类中,其中xl表示该实际图像A中第l个像素点的灰度值,i为整数且其初始值为0;
A2、根据公式计算出第i+1次迭代后的各聚类中心vi+1,其中nj表示第i次迭代后的第j个聚类中像素点灰度值的个数,xh表示第i次迭代后的第j个聚类中第h个像素点灰度值,δh(x)表示第i次迭代后的第j个聚类中灰度值为xh的像素点个数,1≤h≤nj且h、nj均为整数;
A3、判断第i+1次迭代后的各聚类中心vi+1与第i次迭代后的各聚类中心vi是否相同:如果相同,则终止迭代,将第i+1次迭代后的聚类中心作为适用于基于一维灰度直方图的FCM方法中的初始聚类中心v′0;如果不相同,则根据公式vi==vi+1更新第i次迭代后的各聚类中心vi,重复执行步骤A1~A3。
所述步骤S21由以下步骤组成:
B0、构建一维灰度直方图,根据公式计算出该实际图像A中各灰度值出现的概率,x依次取区间[0,L-1]内的整数,L=256,其中h(x)表示该实际图像A中灰度值为x的像素点出现的概率,n(x)表示灰度值为x的像素点出现的次数,M×N表示该实际图像A中像素点的总数,且
B1、根据公式计算出目标函数值,其中n表示该实际图像A中像素点的个数,k表示聚类中心的个数,m在区间[1.5,2.5]内取值,ujh表示第i次迭代后的第j个聚类中第h个像素点灰度值xh对该第j个聚类的隶属度,其表达式为:
djh(xh,v′j)表示在第i次迭代后的第j个聚类中第h个像素点灰度值xh与第j个聚类中心v′j之间的距离,其表达式为:djh(xh,v′j)=||xh-v′j||,m在区间[1.5,2.5]内取值,k表示聚类中心的个数,i为整数且初始值为0;
B2、判断本次目标函数值与上次目标函数值的差值小于阈值ε是否成立:如果成立则终止迭代,表示成功完成图像分割;
如果不成立则根据公式计算出第i+1次迭代后的各聚类中心v′i+1,根据公式vi′==v′i+1更新第i次迭代后的各聚类中心vi′,并且重复执行B1~B2,其中nj表示第i次迭代后的第j个聚类中像素点灰度值的个数,xh表示第i次迭代后的第j个聚类中第h个像素点灰度值,h(x)表示该实际图像A中灰度值为xh的像素点出现的概率,ujh表示第i次迭代后的第j个聚类中第h个像素点灰度值xh对该第j个聚类的隶属度。
综上所述,本发明中图像分割结合K-均值聚类方法与基于一维直方图的FCM方法,计算简单并且收敛速度快,即提高了图像分割的准确度和速度。
聚类中心的个数k设置为3,模糊加权指数m设置为2,阈值ε设置为0.01,采用上述参数,进一步提高了图像分割的准确度和速度。
所述步骤S3中对光伏电池板的光伏电池组件进行区域划分,使得每一区域对应于一个光强度采集器,由此降低了光强度的采集成本。
所述步骤S3中n次采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度并取平均值,由此提高了光强度的采集精度。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像,通过图像分割获得光伏电池板遮荫部分,降低了检测能耗;
2、本发明在图像分割后,采用数学形态学对图像的阴影部分进行处理,去除阴影部分中的细小空洞和孤立点,由此更加准确地获得了实际图像中的阴影部分,提高了检测精度;
3、本发明中图像分割结合K-均值聚类方法与基于一维直方图的FCM方法,计算简单并且收敛速度快,即提高了图像分割的准确度和速度;
4、本发明在光强度采集之前,对光伏电池板的光伏电池组件进行区域划分,使得每一区域对应于一个光强度采集器,由此降低了光强度的采集成本;
5、本发明在光强度采集过程中,多次采集取平均值,由此提高了光强度的采集精度。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明的流程图;
图2是太阳赤纬角的示意图;
图3是太阳方位角和太阳高度角的示意图;
图4是图像分割的流程图;
图5是光伏电池板的区域划分示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示,该基于时段的光伏电池板遮荫部分的检测方法,包括以下步骤:步骤一、判断当前时间是否在日出之后日落之前的时间段内:如果在该时间段内则采集光伏电池板的实际图像A,否则结束操作。本发明仅在日出之后日落之前的时间段内采集光伏电池板的实际图像,降低了能耗。
具体地,上述步骤一中确定该日出之后日落之前的时间段的过程为:
S10、获取当前的日期以及该光伏电池板所在地区的经度、纬度。
S11、根据公式TC=T1+4k计算出该光伏电池板所在地区的日出时间TC,其中T1表示太阳时t在设定地区所对应的时间,k表示由东向西,该设定地区与该光伏电池板所在地区之间的经度偏差。在本发明的第一实施例中,如果该设定地区为北京,该设定地区的经度为120度,则在经度120度向西,每偏离一度,日出时间TC相差4分钟。
如图2所示,太阳赤纬角δ为日地中心线与赤道平面的夹角,当太阳照射到北半球时δ为正,南半球时δ为负,夏至和冬至时δ为±23.45°,春分秋分时δ为零。太阳赤纬角δ的计算公式为δ=23.45sin(360*(284+N)/365),其中N表示当前日期在一年中的天数,诸如在非闰年,1月1日时N记为1,12月31时N记为365;在闰年,1月1日时N记为1,12月31时N记为366。
如图3所示,太阳高度角α为太阳射线与地平面的夹角,太阳方位角β为太阳射线在地面上的投影与正南方的夹角,该太阳时角ω为地面上任意一点与地心之间的连线在赤道平面上的投影与当地正午时日地中心连线在赤道平面上的投影的夹角,由于地球自转一周为360度且花费时间为24小时,因此太阳时角ω为每小时15度或者每分钟4度,且上午太阳时角ω为正,下午太阳时角ω为负。
太阳赤纬角δ、太阳高度角α和太阳时角ω之间的关系可表示为其中φ表示该光伏电池板所在地区的纬度(0~90度),可以通过GPS获取。由于当太阳从地平线上升起或落下时,太阳高度角α为零,因此太阳时角ω可表示为
S12、根据公式TL=24-TC计算出该光伏电池板所在地区的日落时间TL。
S13、对该光伏电池板所在地区的经度、纬度、日期及其对应的日出时间TC、日落时间TL进行存储,由此再次出现相同情况时不用重复计算日出时间和日落时间,直接调用即可,提高了检测判别速度。
步骤二、将该光伏电池板的实际图像A进行灰度处理,并且将经灰度处理后的实际图像A与原始图像B进行比较,其中该原始图像是指不存在阴影部分的灰度图:如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分,结束操作;如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分,将该实际图像A的阴影部分进行图像分割,并且将经图像分割后的阴影部分采用数学形态学进行处理,去除阴影部分中的细小空洞和孤立点,从而获得该光伏电池板的遮荫区域。
具体地,上述步骤二中对实际图像A的阴影部分进行图像分割的过程为:
S20、采用K-均值聚类方法获得适用于基于一维直方图的FCM方法中的k个初始聚类中心v′0。
S21、采用该基于一维直方图的FCM方法对该实际图像A的阴影部分进行图像分割。
如图4所示,该步骤S20由以下步骤组成:
(01)、将该实际图像A中像素点的灰度值表示为X={x1,…xl,3,xn},其中xl表示该实际图像A中第l个像素点的灰度值,n表示该实际图像A中像素点的个数,0≤l≤n且l、n均为整数,并且根据公式确定k个初始聚类中心,j依次取区间[1,k]内的整数,其中k为整数,max(X)表示该实际图像A中像素点的最大灰度值。
(02)、根据公式ζl=||xl-vi||分别求取该实际图像A中每一像素点灰度值与第i次迭代后各聚类中心vi之间的欧氏距离,并将对应的像素点灰度值归类至距离其最近的聚类中心所对应的聚类中,其中xl表示该实际图像A中第l个像素点的灰度值,i为整数且其初始值为0。应注意的是:聚类中心与聚类为一一对应的关系,诸如第j个聚类中心对应于第j个聚类。
(03)、根据公式计算出第i+1次迭代后的各聚类中心vi+1,其中nj表示第i次迭代后的第j个聚类中像素点灰度值的个数,xh表示第i次迭代后的第j个聚类中第h个像素点灰度值,δh(x)表示第i次迭代后的第j个聚类中灰度值为xh的像素点个数,1≤h≤nj且h、nj均为整数。
(04)、判断第i+1次迭代后的各聚类中心是否与第i次迭代后的各聚类中心相同:如果相同,则终止迭代,将第i+1次迭代后的聚类中心作为适用于基于一维灰度直方图的FCM方法中的初始聚类中心v′0;如果不相同,则根据公式vi==vi+1更新第i次迭代后的各聚类中心vi,重复执行步骤(02)至(04)。
如图4所示,该步骤S21由以下步骤组成:
(001)、构建一维直方图,根据公式计算出该实际图像A中各灰度值出现的概率,x依次取区间[0,L-1]内的整数,L=256,其中h(x)表示该实际图像A中灰度值为x的像素点出现的概率,n(x)表示灰度值为x的像素点出现的次数,M×N表示该实际图像A中像素点的总数,且
(002)、根据公式计算出目标函数值,其中n表示该实际图像A中像素点的个数,k表示聚类中心的个数,m在区间[1.5,2.5]内取值,ujh表示第i次迭代后的第j个聚类中第h个像素点灰度值xh对该第j个聚类的隶属度,其表达式为:
djh(xh,v′j)表示在第i次迭代后的第j个聚类中第h个像素点灰度值xh与第j个聚类中心v′j之间的距离,其表达式为:djh(xh,v′j)=||xh-v′j||,m在区间[1.5,2.5]内取值,k表示聚类中心的个数,i为整数且初始值为0。
(003)、判断本次目标函数值与上次目标函数值的差值小于阈值ε是否成立:如果成立则终止迭代,表示成功完成图像分割;
如果不成立则根据公式计算出第i+1次迭代后的各聚类中心v′i+1,根据公式vi′==v′i+1更新第i次迭代后的各聚类中心vi′,并且重复执行B1~B2,其中nj表示第i次迭代后的第j个聚类中像素点灰度值的个数,xh表示第i次迭代后的第j个聚类中第h个像素点灰度值,h(x)表示该实际图像A中灰度值为xh的像素点出现的概率,ujh表示第i次迭代后的第j个聚类中第h个像素点灰度值xh对该第j个聚类的隶属度。
在本发明的第一实施例中,聚类中心的个数k设置为3,模糊加权指数m设置为2,阈值ε设置为0.01。
步骤三、采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度。
在步骤三中对光伏电池板的光伏电池组件进行区域划分,使得每一区域对应于一个光强度采集器,而非每一光伏电池组件对应于一个光强度采集器,由此降低了光强度的采集成本。
如图5所示,在具有36个光伏电池组件的典型的光伏电池板中,将光伏电池板分为8个区域,每四个光伏电池组件构成一个区域,诸如将第一行与第一二列相交处的光伏电池组件以及第二行与第一二列相交处的光伏电池组件划分为第1个区域,将第一行与第三四列相交处的光伏电池组件以及第二行第三四列相交处的光伏电池组件划分为第2个区域,第三行与第一二列相交处的光伏电池组件以及第四行与第一二列相交处的光伏电池组件划分为第3个区域,将第三行与第三四列相交处的光伏电池组件以及第四行与第三四列相交处的光伏电池组件划分为第4个区域,以此类推。
此外,在步骤三中n次采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度并取平均值,由此本发明可以减小由于天气变化及环境干扰引起的采样数据的波动,提高了光强度采集数据的精度。应注意的是:n通常取3~8次,n值不宜过大,过大则会造成检测滞后,给系统增加负担。
在各次光强度采集之间存在延迟时间,该延时时间可以根据系统所处当地的太阳辐射和气候环境而定,通常取几秒到几十秒。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于时段的光伏电池板遮荫部分的检测方法,其特征在于包括以下步骤:S1、判断当前时间是否在日出之后日落之前的时间段内:如果在该时间段内则采集光伏电池板的实际图像A,否则结束操作;
S2、将该光伏电池板的实际图像A进行灰度处理,并且将经灰度处理后的实际图像A与原始图像B进行比较,其中该原始图像是指不存在阴影部分的灰度图:如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分,结束操作;如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分,将该实际图像A的阴影部分进行图像分割,获得该光伏电池板的遮荫区域。
2.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于还包括步骤S3、采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度。
3.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于:所述步骤S1还包括确定该日出之后日落之前的时间段的过程:
S10、获取当前的日期以及该光伏电池板所在地区的经度、纬度;
S11、根据公式TC=T1+4k计算出该光伏电池板所在地区的日出时间TC,其中T1表示太阳时t在设定地区所对应的时间,k表示由东向西,该设定地区与该光伏电池板所在地区之间的经度偏差,该太阳时t=ω/15,δ=23.45sin[(360*(284+N)/365)],ω表示太阳时角,φ表示该光伏电池板所在地区的纬度,δ表示太阳赤纬角,N表示当前日期在一年中的天数;
S12、根据公式TL=24-TC计算出该光伏电池板所在地区的日落时间TL;
S13、对该光伏电池板所在地区的经度、纬度、日期及其对应的日出时间TC、日落时间TL进行存储。
4.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于所述步骤S2中对该实际图像A的阴影部分进行图像分割后还包括以下步骤:将经图像分割后的阴影部分采用数学形态学进行处理,去除阴影部分中的细小空洞和孤立点。
5.根据权利要求1所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于所述步骤S2中对该实际图像A的阴影部分进行图像分割的过程为:S20、采用K-均值聚类方法获得适用于基于一维直方图的FCM方法中的k个初始聚类中心v′0;
S21、采用该基于一维直方图的FCM方法对该实际图像A的阴影部分进行图像分割。
6.根据权利要求5所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于所述步骤S20由以下步骤组成:
A0、将该实际图像A中像素点的灰度值表示为X={x1,…xl,…,xn},其中xl表示该实际图像A中第l个像素点的灰度值,n表示该实际图像A中像素点的个数,0≤l≤n且l、n均为整数,并且根据公式确定k个初始聚类中心,j依次取区间[1,k]内的整数,其中k为整数,max(X)表示该实际图像A中像素点的最大灰度值;
A1、根据公式ζl=||xl-vi||分别求取该实际图像A中每一像素点灰度值与第i次迭代后各聚类中心vi之间的欧氏距离,并将对应的像素点灰度值归类至距离其最近的聚类中心所对应的聚类中,其中xl表示该实际图像A中第l个像素点的灰度值,i为整数且其初始值为0;
A2、根据公式计算出第i+1次迭代后的各聚类中心vi+1,其中nj表示第i次迭代后的第j个聚类中像素点灰度值的个数,xh表示第i次迭代后的第j个聚类中第h个像素点灰度值,δh(x)表示第i次迭代后的第j个聚类中灰度值为xh的像素点个数,1≤h≤nj且h、nj均为整数;
A3、判断第i+1次迭代后的各聚类中心vi+1与第i次迭代后的各聚类中心vi是否相同:如果相同,则终止迭代,将第i+1次迭代后的聚类中心作为适用于基于一维灰度直方图的FCM方法中的初始聚类中心v′0;如果不相同,则根据公式vi==vi+1更新第i次迭代后的各聚类中心vi,重复执行步骤A1~A3。
7.根据权利要求5所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于所述步骤S21由以下步骤组成:
B0、构建一维灰度直方图,根据公式计算出该实际图像A中各灰度值出现的概率,x依次取区间[0,L-1]内的整数,L=256,其中h(x)表示该实际图像A中灰度值为x的像素点出现的概率,n(x)表示灰度值为x的像素点出现的次数,M×N表示该实际图像A中像素点的总数,且
B1、根据公式计算出目标函数值,其中n表示该实际图像A中像素点的个数,k表示聚类中心的个数,m在区间[1.5,2.5]内取值,ujh表示第i次迭代后的第j个聚类中第h个像素点灰度值xh对该第j个聚类的隶属度,其表达式为:
djh(xh,v′j)表示在第i次迭代后的第j个聚类中第h个像素点灰度值xh与第j个聚类中心v′j之间的距离,其表达式为:djh(xh,v′j)=||xh-v′j||,m在区间[1.5,2.5]内取值,k表示聚类中心的个数,i为整数且初始值为0;
B2、判断本次目标函数值与上次目标函数值的差值小于阈值ε是否成立:如果成立则终止迭代,表示成功完成图像分割;
8.根据权利要求6或7所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于:聚类中心的个数k设置为3,模糊加权指数m设置为2,阈值ε设置为0.01。
9.根据权利要求2所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于所述步骤S3中对光伏电池板的光伏电池组件进行区域划分,使得每一区域对应于一个光强度采集器。
10.根据权利要求2或9所述的基于时段的光伏电池板遮荫部分的检测方法,其特征在于所述步骤S3中n次采集该光伏电池板中遮荫区域对应的光伏电池组件的光强度并取平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310023208.0A CN103106657B (zh) | 2013-01-22 | 2013-01-22 | 基于时段的光伏电池板遮荫部分的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310023208.0A CN103106657B (zh) | 2013-01-22 | 2013-01-22 | 基于时段的光伏电池板遮荫部分的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103106657A true CN103106657A (zh) | 2013-05-15 |
CN103106657B CN103106657B (zh) | 2016-02-03 |
Family
ID=48314484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310023208.0A Expired - Fee Related CN103106657B (zh) | 2013-01-22 | 2013-01-22 | 基于时段的光伏电池板遮荫部分的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103106657B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI696837B (zh) * | 2018-11-06 | 2020-06-21 | 國立中山大學 | 太陽光伏系統之最大功率及定功率的追蹤方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478264A (zh) * | 2008-01-04 | 2009-07-08 | 扬正智权有限公司 | 微电脑智能经纬度太阳能电池板追日系统 |
CN102442332A (zh) * | 2011-11-17 | 2012-05-09 | 广东工业大学 | 一种用于太阳能铁道标签的智能跟踪系统及其处理方法 |
CN102609951A (zh) * | 2012-03-29 | 2012-07-25 | 重庆大学 | 光伏电池板遮荫部分的检测方法 |
-
2013
- 2013-01-22 CN CN201310023208.0A patent/CN103106657B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478264A (zh) * | 2008-01-04 | 2009-07-08 | 扬正智权有限公司 | 微电脑智能经纬度太阳能电池板追日系统 |
CN102442332A (zh) * | 2011-11-17 | 2012-05-09 | 广东工业大学 | 一种用于太阳能铁道标签的智能跟踪系统及其处理方法 |
CN102609951A (zh) * | 2012-03-29 | 2012-07-25 | 重庆大学 | 光伏电池板遮荫部分的检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI696837B (zh) * | 2018-11-06 | 2020-06-21 | 國立中山大學 | 太陽光伏系統之最大功率及定功率的追蹤方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103106657B (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nguyen et al. | Incorporating shading losses in solar photovoltaic potential assessment at the municipal scale | |
CN108923738B (zh) | 一种基于天气类型判别的双跟踪光伏发电系统控制方法 | |
CN108388956B (zh) | 考虑辐射衰减的光伏功率预测方法 | |
Nobre et al. | PV power conversion and short-term forecasting in a tropical, densely-built environment in Singapore | |
Kuttybay et al. | An automated intelligent solar tracking control system with adaptive algorithm for different weather conditions | |
Rosiek et al. | Online 3-h forecasting of the power output from a BIPV system using satellite observations and ANN | |
CN104200484A (zh) | 基于云团特征分析的分布式光伏系统超短期出力预测方法 | |
CN109344491A (zh) | 一种考虑天气状态变化和云层遮挡的太阳辐照度建模方法 | |
CN104218574A (zh) | 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 | |
CN108563245B (zh) | 一种自适应变时间太阳能跟踪控制方法 | |
CN108564299A (zh) | 一种基于激光采集建模的光伏资源评估方法 | |
CN105549627A (zh) | 一种双轴光伏发电自动追日跟踪控制方法 | |
CN115933757B (zh) | 智能旋转太阳能板的控制方法、系统、介质及设备 | |
Ayodele et al. | Solar energy harvesting on building’s rooftops: A case of a Nigeria cosmopolitan city | |
CN107133685A (zh) | 光伏发电系统发电量的预测方法及预测系统 | |
CN104166999A (zh) | 一种基于地基云图强度分层的云团提取方法 | |
CN103778331B (zh) | 一种建筑光伏系统中太阳能资源的计算方法 | |
CN111399548A (zh) | 一种可识别天气类型的跟踪式光伏发电系统控制方法 | |
CN117374956A (zh) | 一种针对综合能源站光伏发电的短期预测方法 | |
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 | |
Assouline et al. | A machine learning methodology for estimating roof-top photovoltaic solar energy potential in Switzerland | |
CN103106657B (zh) | 基于时段的光伏电池板遮荫部分的检测方法 | |
CN116644497A (zh) | 基于数字表面模型的屋顶光伏日照阴影分析方法及系统 | |
CN113160311A (zh) | 太阳能电池板调节方法及调节装置、追日系统和存储设备 | |
Al-Jumaili et al. | An automatic multi-axis solar tracking system in Ramadi city: design and implementation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160203 Termination date: 20210122 |
|
CF01 | Termination of patent right due to non-payment of annual fee |