CN103258118A - 一种预测光伏电池组件温度的方法 - Google Patents
一种预测光伏电池组件温度的方法 Download PDFInfo
- Publication number
- CN103258118A CN103258118A CN2013101363169A CN201310136316A CN103258118A CN 103258118 A CN103258118 A CN 103258118A CN 2013101363169 A CN2013101363169 A CN 2013101363169A CN 201310136316 A CN201310136316 A CN 201310136316A CN 103258118 A CN103258118 A CN 103258118A
- Authority
- CN
- China
- Prior art keywords
- temperature
- cell component
- photovoltaic cell
- prediction
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种预测光伏电池组件温度的方法,所述方法通过下述步骤实现:筛选收集的光伏电站的数据,建立数据库;建立光伏电池组件温度模型并设定模型系数;预测光伏电池组件温度;校正预测的温度;获得未来组件温度。本发明实现对组件温度的准确预测,有助于提高光伏发电功率预测的精确度。
Description
技术领域
本发明涉及一种光伏发配电技术领域的预测方法,具体讲涉及一种预测光伏电池组件温度的方法。
背景技术
太阳能资源具有间歇性、周期性、波动性等特点。对光伏电站发电功率进行准确预测,有助于电力调度部门提前根据光伏发电功率变化及时调整调度计划,保证电能质量,减少系统备用容量,降低电力系统运行成本,可有效减轻光伏发电对电网造成不利影响、提高电网中光伏装机比例。
光伏电站发电功率与太阳能电池有着密不可分的关系。太阳能电池与其它半导体器件均对温度十分敏感。随着温度的升高,硅材料的禁带宽度降低,影响大多数表征材料的性能参数,进而影响组件的电性能参数,导致组件的开路电压降低,短路电流略微增加,总体造成功率降低。随着光伏电池温度的升高,开路电压减小,在20-100摄氏度范围,大约每升高1摄氏度,光伏电池的电压减小2mV;而光电流随温度的升高略有上升,大约每升高1摄氏度电池的光电流增加千分之一。总体来说,温度每升高1摄氏度,则功率减少0.35%。由此可见组件温度是影响太阳能电池组件转换效率的一个重要因素,对组件温度的准确预测,有助于提高光伏发电功率预测的精确度。
因此,光伏电站需要对光伏发电组件温度进行预测。
发明内容
为满足上述需要,本发明提供了一种预测光伏电池组件温度的方法,从而提高光伏发电利用率,减少温室气体排放。
实现上述目的所采用的解决方案为:
一种预测光伏电池组件温度的方法,其改进之处在于:所述方法包括:
步骤1:筛选收集的光伏电站的数据,建立数据库;
步骤2:设定光伏电池组件模型系数;
步骤3:预测光伏电池组件温度;
步骤4:校正预测的温度。
进一步的,所述步骤1中的数据包括光伏电站同一时间段的辐射E、组件温度TP和环境温度T。
进一步的,所述步骤2中所述光伏电池组件模型系数的设定以光伏电站数据库为基础,建立下述式(1)的光伏电池组件温度模型:
TP=T+k*E+c (1)
其中,TP为组件温度;T为环境温度;E为辐射;k,c分别为系数。
进一步的,将未来0-24小时的数值天气预报的光伏电站的辐射数据和环境温度数据代入式(1),得出所述步骤3中预测的所述光伏电池组件温度。
进一步的,所述步骤4采用卡尔曼滤波,利用地面实时组件温度监测数据对所述步骤3中的预测的光伏电池组件温度进行实时校正。
进一步的,每日更新步骤1中所述光伏电站的数据库;
每月底建立新光伏电池组件温度模型并设定模型参数,作为下一月的组件温度预测模型。
进一步的,所述光伏电站的数据通过传感器收集。
与现有技术相比,本发明达到的有益效果是:
1、电网调度部门在现有光伏发电功率预测功能的基础上加入组件温度的预测,有助于提高光伏发电功率预测的精度,从而实现光伏发电功率的准确预测,依据预测的结果制定次日发电计划,优化电网调度方式,保证电能质量,减少系统的备用容量,降低电力系统运行成本,促进国家新能源战略的顺利实施。
2、本发明提出的组件温度预测方法,有助于光伏发电企业提前获取光伏组件工作温度状态,合理安排散热装置和检修计划,以保证太阳能电池正常工作,延长太阳能电池工作寿命,从而获取更大经济效益。
3、本发明降低了光伏发电对电网造成的不利影响,提高电网中光伏装机比例,以充分利用太阳能资源,获得更大的经济效益和社会效益。
4、每日更新光伏电站的历史气象监测数据库,并于每月底统计建立新组件温度关系式,使得光伏电池组件温度预测值更准确。
附图说明
图1是光伏电池组件温度预测方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
如图1所示,图1为光伏电池组件温度预测方法流程图;
一种光伏电池组件温度预测方法包括以下步骤:通过传感器收集光伏电站的同一时间段的总辐射、组件温度、环境温度等历史数据,对上述数据进行筛选分析,建立光伏电站历史数据库;以光伏电站历史数据库为基础,通过统计方法建立组件温度模型,代入数值天气预报的预测总辐射数据和环境温度数据,预测出组件温度值;采用卡尔曼滤波,利用地面实时组件温度监测数据对预测值进行实时校正,进而较为准确地预测未来组件温度。
具体来说,光伏电池组件温度预测的方法包括以下步骤:
步骤1:通过传感器收集光伏电站的同一时间段的总辐射E、组件温度TP、环境温度T等历史数据,对上述数据进行筛选分析,建立光伏电站历史数据库;
步骤2:以光伏电站历史数据库为基础,运用统计方法建立组件温度关系式
TP=T+k*E+c (1)
其中:TP为组件温度;T为环境温度;E为总辐射;k,c为系数。
步骤3:利用数值天气预报获取未来0-24小时内总辐射数据和环境温度数据,将上述数据代入关系式(1),预测出光伏电池组件温度值;
步骤4:采用卡尔曼滤波,利用地面实时组件温度监测数据对预测值进行实时校正,进而较为准确地预测未来组件温度值。
步骤5:每天更新光伏电站的历史气象监测数据库;并每月底统计建立新组件温度关系式TP=T+k*E+c,作为下一月的组件温度预测模型。
举例说明:
通过传感器收集某个光伏电站的同一时间段的总辐射、组件温度、环境温度等历史数据,建立数据库表,
时间 | 总辐射(W/M2)E | 组件温度(℃)TP | 环境温度(℃)T |
2012/5/512:00 | 908.83 | 45.04 | 24.6 |
2012/5/511:55 | 921.78 | 47.27 | 25.35 |
2012/5/511:50 | 918.33 | 44.79 | 24.41 |
2012/5/511:45 | 925.78 | 44.7 | 24.65 |
2012/5/511:40 | 918.44 | 41.92 | 23.71 |
2012/5/511:35 | 911.41 | 43.3 | 24.0 |
2012/5/511:30 | 913.85 | 43.41 | 24.04 |
2012/5/511:25 | 904.26 | 44.32 | 23.87 |
2012/5/511:20 | 904.54 | 44.55 | 24.23 |
2012/5/511:15 | 897.88 | 43.28 | 24.07 |
2012/5/511:10 | 904.2 | 43.72 | 23.94 |
2012/5/511:05 | 900.76 | 42.5 | 23.79 |
上表是数据库的部分展示,以该光伏电站数据库为基础,统计建立光伏电池组件温度模型TP=T+k*E+c,确定k,c,得出关系式为:
TP=T+0.0214E+1.73;
将数值天气预报获取到的数据,部分解析如下
时间 | 总辐射(W/M2)E | 环境温度(℃)T |
2012/5/610:00 | 724.53 | 23.25 |
2012/5/610:05 | 765.48 | 23.36 |
2012/5/610:10 | 777.98 | 23.7 |
2012/5/610:15 | 798.49 | 23.74 |
2012/5/610:20 | 819.16 | 23.74 |
2012/5/610:25 | 821.31 | 23.87 |
2012/5/610:30 | 829.49 | 23.9 |
2012/5/610:35 | 832.43 | 23.96 |
2012/5/610:40 | 841.11 | 24.04 |
2012/5/610:45 | 870.88 | 24.09 |
2012/5/610:50 | 893.39 | 24.65 |
利用解析出的E和T,代入关系式TP=T+0.0214E+1.73;即可得到组件温度数据:
时间 | 总辐射(W/M2)E | 环境温度(℃)TP | 组件温度(℃)T |
2012/5/610:00 | 724.53 | 23.87 | 41.10494 |
2012/5/610:05 | 765.48 | 23.25 | 41.36127 |
2012/5/610:10 | 777.98 | 24.04 | 42.41877 |
2012/5/610:15 | 798.49 | 23.74 | 42.55769 |
2012/5/610:20 | 819.16 | 23.36 | 42.62002 |
2012/5/610:25 | 829.49 | 23.7 | 43.18109 |
2012/5/610:30 | 821.31 | 23.74 | 43.04603 |
2012/5/610:35 | 832.43 | 24.09 | 43.634 |
2012/5/610:40 | 870.88 | 23.96 | 44.32683 |
2012/5/610:45 | 841.11 | 24.65 | 44.37975 |
2012/5/610:50 | 893.39 | 23.9 | 44.74855 |
采用卡尔曼滤波,利用地面实测组件温度监测数据对预测值进行实时校正,订正效果如下:
从实例可以看出,订正后的值更接近实测值,效果更好。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (7)
1.一种预测光伏电池组件温度的方法,其特征在于:所述方法包括:
步骤1:筛选收集的光伏电站的数据,建立数据库;
步骤2:设定光伏电池组件模型系数;
步骤3:预测光伏电池组件温度;
步骤4:校正预测的温度。
2.如权利要求1所述的一种预测光伏电池组件温度的方法,其特征在于:所述步骤1中的数据包括光伏电站同一时间段的辐射E、组件温度TP和环境温度T。
3.如权利要求1所述的一种预测光伏电池组件温度的方法,其特征在于:所述步骤2中所述光伏电池组件模型系数的设定以光伏电站数据库为基础,建立下述式(1)的光伏电池组件温度模型:
TP=T+k*E+c (1)
其中,TP为组件温度;T为环境温度;E为辐射;k,c分别为系数。
4.如权利要求3所述的一种预测光伏电池组件温度的方法,其特征在于:将未来0-24小时的数值天气预报的光伏电站的辐射数据和环境温度数据代入式(1),得出所述步骤3中预测的所述光伏电池组件温度。
5.如权利要求1所述的一种预测光伏电池组件温度的方法,其特征在于:所述步骤4采用卡尔曼滤波,利用地面实时组件温度监测数据对所述步骤3中的预测的光伏电池组件温度进行实时校正。
6.如权利要求1所述的一种预测光伏电池组件温度的方法,其特征在于:每日更新步骤1中所述光伏电站的数据库;
每月底建立新光伏电池组件温度模型并设定模型参数,作为下一月的组件温度预测模型。
7.如权利要求1所述的一种预测光伏电池组件温度的方法,其特征在于:所述光伏电站的数据通过传感器收集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101363169A CN103258118A (zh) | 2013-04-19 | 2013-04-19 | 一种预测光伏电池组件温度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101363169A CN103258118A (zh) | 2013-04-19 | 2013-04-19 | 一种预测光伏电池组件温度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103258118A true CN103258118A (zh) | 2013-08-21 |
Family
ID=48962030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101363169A Pending CN103258118A (zh) | 2013-04-19 | 2013-04-19 | 一种预测光伏电池组件温度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258118A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077206A (zh) * | 2014-07-17 | 2014-10-01 | 华东建筑设计研究院有限公司 | 热水系统的温度预测方法 |
CN105373849A (zh) * | 2015-10-22 | 2016-03-02 | 华北电力大学(保定) | 光伏电池组件温度的分步预测方法 |
CN107181463A (zh) * | 2017-06-20 | 2017-09-19 | 河海大学常州校区 | 一种精确预测太阳能电池组件工作温度的方法 |
CN107659264A (zh) * | 2017-09-27 | 2018-02-02 | 常州工学院 | 一种光伏电池无人机高温检测方法 |
CN108830427A (zh) * | 2018-07-04 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种太阳总辐射预测方法和装置 |
CN109921742A (zh) * | 2019-03-12 | 2019-06-21 | 河海大学常州校区 | 一种计算光伏组件实时工作温度的方法 |
CN109978280A (zh) * | 2019-04-19 | 2019-07-05 | 上海交通大学 | 一种通用化光伏电池工作温度预测方法及装置 |
CN110009098A (zh) * | 2019-04-19 | 2019-07-12 | 上海交通大学 | 一种光伏电池工作温度与发电功率联合估计方法 |
CN114153252A (zh) * | 2021-11-24 | 2022-03-08 | 魏育华 | 一种大棚换气方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201311461Y (zh) * | 2008-11-28 | 2009-09-16 | 皇明太阳能集团有限公司 | 并网光伏数据检测系统 |
CN202523101U (zh) * | 2011-11-18 | 2012-11-07 | 中国电力科学研究院 | 光伏电站发电输出功率预测系统 |
-
2013
- 2013-04-19 CN CN2013101363169A patent/CN103258118A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201311461Y (zh) * | 2008-11-28 | 2009-09-16 | 皇明太阳能集团有限公司 | 并网光伏数据检测系统 |
CN202523101U (zh) * | 2011-11-18 | 2012-11-07 | 中国电力科学研究院 | 光伏电站发电输出功率预测系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077206A (zh) * | 2014-07-17 | 2014-10-01 | 华东建筑设计研究院有限公司 | 热水系统的温度预测方法 |
CN104077206B (zh) * | 2014-07-17 | 2017-04-05 | 华东建筑设计研究院有限公司 | 热水系统的温度预测方法 |
CN105373849A (zh) * | 2015-10-22 | 2016-03-02 | 华北电力大学(保定) | 光伏电池组件温度的分步预测方法 |
CN107181463A (zh) * | 2017-06-20 | 2017-09-19 | 河海大学常州校区 | 一种精确预测太阳能电池组件工作温度的方法 |
CN107659264A (zh) * | 2017-09-27 | 2018-02-02 | 常州工学院 | 一种光伏电池无人机高温检测方法 |
CN108830427A (zh) * | 2018-07-04 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种太阳总辐射预测方法和装置 |
CN109921742A (zh) * | 2019-03-12 | 2019-06-21 | 河海大学常州校区 | 一种计算光伏组件实时工作温度的方法 |
CN109978280A (zh) * | 2019-04-19 | 2019-07-05 | 上海交通大学 | 一种通用化光伏电池工作温度预测方法及装置 |
CN110009098A (zh) * | 2019-04-19 | 2019-07-12 | 上海交通大学 | 一种光伏电池工作温度与发电功率联合估计方法 |
CN114153252A (zh) * | 2021-11-24 | 2022-03-08 | 魏育华 | 一种大棚换气方法和系统 |
CN114153252B (zh) * | 2021-11-24 | 2023-03-28 | 魏育华 | 一种大棚换气方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258118A (zh) | 一种预测光伏电池组件温度的方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN111369114B (zh) | 一种基于全生命周期的光伏发电产业碳排放量获取方法 | |
Cen et al. | Demonstration study of hybrid solar power generation/storage micro-grid system under Qatar climate conditions | |
Li et al. | An analysis of a medium size grid-connected building integrated photovoltaic (BIPV) system using measured data | |
KR101635450B1 (ko) | 기상정보를 활용한 도시에너지관리시스템용 태양광발전량 예측시스템 | |
Keskin et al. | Reduction of peak power consumption by using photovoltaic panels in Turkey | |
Sawle et al. | Techno-economic scrutiny of HRES through GA and PSO technique | |
CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
Liu et al. | The investigation of solar PV models | |
CN105574612A (zh) | 一种基于数据挖掘的光伏发电量预测方法 | |
CN111178609A (zh) | 一种基于归一化拟合的区域光伏月发电量预测方法 | |
Simón Martín et al. | Real energy payback time and carbon footprint of a GCPVS | |
Nian et al. | A method for optimal sizing of stand-alone hybrid PV/wind/battery system | |
Vácha et al. | Life-cycle assessment of a photovoltaic panel: Assessment of energy intensity of production and environmental impacts | |
CN111262270A (zh) | 一种光柴储混合发电系统 | |
CN109274124B (zh) | 基于场景马尔科夫法的风电就地消纳能力预测方法 | |
Lu et al. | Techno-economic feasibility of PV-wind-diesel-battery hybrid energy system in a remote Island in the South China Sea | |
Liu et al. | Capacity optimization of Energy Storage Based on Intelligent optimization Algorithm and Photovoltaic Power Prediction Error Data | |
CN102509028A (zh) | 基于统计升尺度技术的电网全网风电功率预测算法 | |
Santiago et al. | Analysis of variations in PV production, focussing on storage and dispatchability decisions | |
Aravindan et al. | Performance evaluation of roof top solar photovoltaic systems in Tamilnadu | |
CN105488600A (zh) | 户用微网系统能量调度优化方法 | |
Urbina | The energy balance of solar electricity | |
Tarigan | Performance of 3 kWp Rooftop PV System in Ubaya Building, Indonesia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130821 |