CN103605884A - 太阳能电池阵输出功率衰减的预测方法及装置 - Google Patents
太阳能电池阵输出功率衰减的预测方法及装置 Download PDFInfo
- Publication number
- CN103605884A CN103605884A CN201310537821.4A CN201310537821A CN103605884A CN 103605884 A CN103605884 A CN 103605884A CN 201310537821 A CN201310537821 A CN 201310537821A CN 103605884 A CN103605884 A CN 103605884A
- Authority
- CN
- China
- Prior art keywords
- sigma
- solar
- solar battery
- orbit
- light intensity
- 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
- Photovoltaic Devices (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种太阳能电池阵输出功率衰减的预测方法及装置,通过P=V×I=P0×J×cos(θ)×η预测太阳能电池阵输出功率衰减,V、I分别表示太阳电池阵的工作电压和工作电流;P表示太阳电池阵在轨工作输出功率;P0表示太阳电池阵的理论最大输出功率;J表示太阳光强系数;θ表示太阳入射角;η表示衰减因子;通过轨道分析计算得到太阳光强系数J,通过卫星运行轨道信息和太阳电池阵姿态信息计算获得太阳入射角θ,并通过分析在轨卫星遥测参数数据方法获得衰减因子η,通过粒子滤波法根据观测值实时调整太阳光强系数J、太阳入射角θ和衰减因子η状态更新的值,带入上式预测太阳能电池阵输出功率衰减。上述方法能准确估计太阳能电池阵输出功率的衰减,从而为卫星设计和轨道管理提供参考。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种太阳能电池阵输出功率衰减的预测方法及装置。
背景技术
太阳电池阵是在轨卫星的主要能量来源,其输出功率在很大程度上决定了卫星的使用价值。在卫星整个生命周期,卫星负载对功率的需求变化较小,但是太阳电池阵输出功率不断衰减;在卫星寿命初期、中期时,卫星负载对功率的需求小于太阳电池阵输出功率,可以保持卫星的功率平衡;然而当卫星处于寿命末期时,太阳电池阵输出功率衰减较大,可能会影响卫星的正常运行。但是目前还没有一种方法能够实时预测太阳能电池阵输出功率衰减,以为卫星的设计和在轨控制管理提供参考。
发明内容
鉴于上述的分析,本发明旨在提供一种太阳能电池阵输出功率衰减的预测方法及装置,用以解决现有技术中不能实时预测太阳能电池阵输出功率衰减的问题。
本发明主要是通过以下技术方案实现的:
一种太阳能电池阵输出功率衰减的预测方法,该预测方法包括:
通过P=V×I=P0×J×cos(θ)×η预测太阳能电池阵输出功率衰减,其中,V、I分别表示太阳电池阵的工作电压和工作电流;P表示太阳电池阵在轨工作输出功率;P0表示太阳电池阵的理论最大输出功率;J表示太阳光强系数;θ表示太阳入射角;η表示衰减因子;并通过轨道分析计算得到太阳光强系数J,通过卫星运行轨道信息和太阳电池阵姿态信息计算获得太阳入射角θ,并通过分析在轨卫星遥测参数数据方法获得衰减因子η。
优选地,所述太阳光强系数t表示太阳电池阵在轨的天数,J0表示卫星所在轨道标准光强,T0表示航天器进入太空的初始日期与同年近日点的天数差,α表示卫星运行时太阳光强的变化系数,在近日点附近,太阳光强系数较大,远日点附近,太阳光强系数较小,太阳光强系数为年周期变化。
优选地,所述衰减因子t表示太阳电池阵在轨的天数,ξ表示太阳电池阵最大衰减因子,σ表示太阳电池阵随时间的衰减的速率。
优选地,太阳能电池阵输出功率衰减预测的公式为:
其中,t表示太阳电池阵在轨的天数,ξ表示太阳电池阵最大衰减因子,σ表示太阳电池阵随时间的衰减的速率,J0表示卫星所在轨道标准光强,T0表示航天器进入太空的初始日期与同年近日点的天数差,α表示卫星运行时太阳光强的变化系数,在近日点附近,太阳光强系数较大,远日点附近,太阳光强系数较小,太阳光强系数为年周期变化,θ0表示南北回归线所在纬度值,β0表示常量,值为101。
通过粒子滤波法根据观测值实时调整太阳光强系数J、太阳入射角θ和衰减因子η状态更新的值,并带入上式预测太阳能电池阵输出功率衰减的步骤具体包括:
设置太阳电池阵最大衰减因子ξ、太阳电池阵随时间的衰减的速率σ的初始值分别为ξ0、σ0,i为时间点的模型参数更新值分别为ξi+1、σi+1;过程噪声、观测噪声分别服从正态分布np~N(0,sp)、nm~N(0,sm),j为粒子个数,粒子个数设置为l,i时间点的输出功率实际测量值、预测值、导数分别为Pi、dPi/dt,
状态方程更新公式为:
观测方程更新公式为:Pi+1=Pi+1+nm,i=0,1,2,…
权值更新公式为:
预测结果更新公式为:
本发明还提供了一种太阳能电池阵输出功率衰减的预测装置,该预测装置包括:
计算单元,用于通过轨道分析计算得到太阳光强系数J,通过卫星运行轨道信息和太阳电池阵姿态信息计算获得太阳入射角θ,并通过分析在轨卫星遥测参数数据方法获得衰减因子η;
预测单元,用于根据所述计算单元得到的结果,通过P=V×I=P0×J×cos(θ)×η预测太阳能电池阵输出功率衰减,其中,V、I分别表示太阳电池阵的工作电压和工作电流;P表示太阳电池阵在轨工作输出功率;P0表示太阳电池阵的理论最大输出功率;J表示太阳光强系数;θ表示太阳入射角;η表示衰减因子。
优选地,所述计算单元具体用于,计算太阳光强系数,所述太阳光强系数t表示太阳电池阵在轨的天数,J0表示卫星所在轨道标准光强,T0表示航天器进入太空的初始日期与同年近日点的天数差,α表示卫星运行时太阳光强的变化系数,在近日点附近,太阳光强系数较大,远日点附近,太阳光强系数较小,太阳光强系数为年周期变化。
优选地,所述计算单元具体用于,计算太阳入射角,所述太阳入射角其中,t表示太阳电池阵在轨的天数,θ0表示南北回归线所在纬度值,T0表示航天器进入太空的初始日期与同年近日点的天数差,β0表示常量,值为101。
优选地,所述计算单元具体用于,计算衰减因子,所述衰减因子t表示太阳电池阵在轨的天数,ξ表示太阳电池阵最大衰减因子,σ表示太阳电池阵随时间的衰减的速率。
优选地,所述预测单元具体用于,根据下述公式预测太阳能电池阵输出功率衰减,其中,t表示太阳电池阵在轨的天数,ξ表示太阳电池阵最大衰减因子,σ表示太阳电池阵随时间的衰减的速率,J0表示卫星所在轨道标准光强,T0表示航天器进入太空的初始日期与同年近日点的天数差,α表示卫星运行时太阳光强的变化系数,在近日点附近,太阳光强系数较大,远日点附近,太阳光强系数较小,太阳光强系数为年周期变化,θ0表示南北回归线所在纬度值,β0表示常量,值为101。
所述计算单元具体用于,设置太阳电池阵最大衰减因子ξ、太阳电池阵随时间的衰减的速率σ的初始值分别为ξ0、σ0,i为时间点的模型参数更新值分别为ξi+1、σi+1;过程噪声、观测噪声分别服从正态分布np~N(0,sp)、nm~N(0,sm),j为粒子个数,设置为l,i时间点的输出功率实际测量值、预测值、导数分别为Pi、dPi/dt,
状态方程更新公式为:
观测方程更新公式为:Pi+1=Pi+1+nm,i=0,1,2,…
权值更新公式为:
预测结果更新公式为:
本发明提供的一种太阳能电池阵输出功率衰减的预测方法及装置,提出的太阳能电池阵输出功率衰减的预测模型综合预测以太阳光强、太阳入射角和衰减因子随时间的变化趋势对功率的影响和作用,能够准确估计太阳能电池阵输出功率的衰减,从而为卫星的设计和轨道管理提供参考。
本发明的其他特征和优点将在随后的说明书中阐述,并且部分的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。
附图说明
图1为本发明实施例1的太阳能电池阵输出功率预测方法的流程图;
图2为本发明实施例1的粒子滤波法的流程示意图;
图3为本发明实施例1的基于粒子滤波的太阳阵输出功率实时预测流程示意图;
图4为本发明实施例2的太阳能电池阵输出功率预测装置的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。为了清楚和简化目的,当其可能使本发明的主题模糊不清时,将省略本文所描述的器件中已知功能和结构的详细具体说明。
实施例1
本发明设计了太阳能电池阵输出功率衰减的预测方法。主要应用于地球同步卫星太阳能电池阵输出功率的预测,参见图1和2,该方法分为粒子滤波法和太阳阵输出功率预测方法2部分。
本发明首先根据太阳电池阵的主要影响因素:太阳光强、入射角、衰减的变化规律,建立太阳电池阵输出功率的仿真模型,将该模型中的未知参数和输出功率的实时预测结果作为粒子滤波状态方程,以输出功率实时观测值作为观测方程;并对卫星观测值进行预处理,计算一天内太阳电池阵实际输出功率的平均值;然后,根据太阳电池阵实际输出功率不断更新例子的权重大小和样本位置,修正最初的仿真模型,并进行输出功率预测。
图2是粒子滤波法的流程示意图,如图2所示,本发明实施例首先总结太阳电池阵功率衰减的影响因素,和影响因素随时间的变化趋势,以及对功率的影响作用。影响太阳电池阵输出功率的因素主要有太阳光强、太阳入射角和衰减因子三部分。太阳光强和太阳入射角两部分可以通过轨道计算得到,有年周期的变化趋势,使得太阳电池阵输出功率也有年周期变化的趋势;衰减因子是空间粒子辐照衰减因子、紫外辐照衰减因子、受微流星体碰撞和冷热交变等因素的综合,具有指数变化特征,使得太阳电池阵输出功率也有指数变化的趋势,可以通过在地面对太阳电池阵进行粒子辐射等一系列仿真实验,或分析采集的在轨卫星遥测参数数据等方法获得。
根据地球同步轨道卫星的运行信息,设计太阳阵输出功率模型,
P=V×I=P0×J×cos(θ)×η
公式中,V、I分别表示太阳电池阵的工作电压和工作电流;P表示太阳电池阵在轨工作输出功率;P0表示太阳电池阵的理论最大输出功率;J表示太阳光强系数;θ表示太阳入射角;η表示衰减因子。其中,太阳光强J、太阳入射角θ和衰减因子η分别可以表示成时间t的函数,其中太阳入射角θ、太阳光强系数J以及衰减因子η的具体公式如下:
由上述各式可以得到太阳电池阵输出功率P随时间t的变化模型为:
由该模块可知,P随在轨时间t呈指数衰减的年周期变化。因此,太阳电池阵输出功率模型中仅存在ξ和σ两个未知参数,在确定ξ和σ后,即可预测任意时间点t对应的太阳电池阵输出功率。
上一公式中,t表示太阳电池阵在轨的天数,J0表示卫星所在轨道标准光强,T0表示航天器进入太空的初始日期与同年近日点的天数差,α表示卫星运行时太阳光强的变化系数,θ0表示南北回归线所在纬度值,T0表示航天器进入太空的初始日期与同年近日点的天数差,β表示常量,ξ表示太阳电池阵最大衰减因子,σ表示太阳电池阵随时间的衰减的速率。
太阳电池阵输出功率模型在任意时间点t,仅存在ξ和σ两个未知参数;通过卫星在轨运行信息和遥测数据,准确地估计这两个参数的取值,就可以较准确地预测出未来一段时间内太阳电池阵的输出功率P。
图3是本发明实施例的基于粒子滤波的太阳阵输出功率实时预测流程示意图。如图3所示,太阳电池阵输出功率模型,是一个受非高斯噪声影响的非线性动态模型。由太阳阵输出功率公式可知,太阳电池阵的衰减因子受许多不确定因素影响,理想状态下,衰减因子时间变化函数的ξ和σ保持不变,即衰减因子仅仅由太阳电池阵在轨时间长度确定,这样显然不符合空间环境及其复杂的实际情况,不能反映太阳电池阵输出功率的动态变化趋势。
粒子滤波法根据观测值不断调整粒子的权重大小和样本位置,最后通过调整后的粒子信息修正最初的经验条件分布,估计出系统状态和参数。该算法是一种递推滤波算法,可以用来估计任意非线性非高斯随机系统的状态和参数,可以很好的解决太阳电池阵输出功率模型更新与功率预测问题。
以经验模型中衰减因子参数ξ、σ以及输出功率的实时预测结果作为粒子滤波状态方程;以输出功率实时观测值作为观测方程。在观测值和粒子预测结果的差异,与观测噪声有近似的概率分布的假设前提下,以观测噪声概率分布函数,作为观测值和粒子预测结果的差异值的概率,根据公式(1)估计粒子的权重;接下来,重新选择粒子,对权值较大的粒子多采样,对权值较小的粒子少采样或不采样,并根据公式(2),进行模型参数修正和输出功率预测;然后重复以上粒子状态更新等操作,进行下一时刻的模型参数修正和输出功率预测。
设置经验模型未知参数ξ、σ的初始值分别为ξ0、σ0,i时间点的模型参数更新值分别为ξi+1、σi+1;过程噪声、观测噪声分别服从正态分布np~N(0,sp)、nm~N(0,sm),粒子个数设置为l,i时间点的输出功率实际测量值、预测值、导数分别为Pi、dPi/dt,状态方程更新公式为:
ξ(i+1,j)=ξ(i,j)+np,ξ(0,j)=ξ0+np,
σ(i+1,j)=σ(i,j)+np,σ(0,j)=σ0+np,
i=0,1,2,…;j=1,2,…l,
观测方程更新公式为:
Pi+1=Pi+1+nm,i=0,1,2,…
权值更新公式为:
i=0,1,2,…,j=1,2,…l (1)
模型及预测结果更新公式为:
本发明提出的太阳能电池阵输出功率衰减的预测模型综合预测以太阳光强、太阳入射角和衰减因子随时间的变化趋势对功率的影响和作用,能够准确估计太阳能电池阵输出功率的衰减,从而为卫星的设计和轨道管理提供参考。
实施例2
本发明实施例提供了一种太阳能电池阵输出功率衰减的预测装置,参见图4,该预测装置包括:
计算单元,用于通过轨道分析计算得到太阳光强系数J,通过卫星运行轨道信息和太阳电池阵姿态信息计算获得太阳入射角θ,并通过分析在轨卫星遥测参数数据方法获得衰减因子η,并通过粒子滤波法根据观测值实时调整太阳光强系数J、太阳入射角θ和衰减因子η状态更新的值,;
预测单元,用于根据所述计算单元得到的结果,通过P=V×I=P0×J×cos(θ)×η预测太阳能电池阵输出功率衰减,其中,V、I分别表示太阳电池阵的工作电压和工作电流;P表示太阳电池阵在轨工作输出功率;P0表示太阳电池阵的理论最大输出功率;J表示太阳光强系数;θ表示太阳入射角;η表示衰减因子。
其中,本发明实施例中所述计算单元具体用于,计算太阳光强系数,所述太阳光强系数t表示太阳电池阵在轨的天数,J0表示卫星所在轨道标准光强,T0表示航天器进入太空的初始日期与同年近日点的天数差,α表示卫星运行时太阳光强的变化系数,在近日点附近,太阳光强系数较大,远日点附近,太阳光强系数较小,太阳光强系数为年周期变化。
本发明实施例中所述计算单元具体用于,计算太阳入射角,所述太阳入射角其中,t表示太阳电池阵在轨的天数,θ0表示南北回归线所在纬度值,T0表示航天器进入太空的初始日期与同年近日点的天数差,β0表示常量,值为101。
本发明实施例中所述计算单元具体用于,设置太阳电池阵最大衰减因子ξ、太阳电池阵随时间的衰减的速率σ的初始值分别为ξ0、σ0,i为时间点的模型参数更新值分别为ξi+1、σi+1;过程噪声、观测噪声分别服从正态分布np~N(0,sp)、nm~N(0,sm),j为粒子个数,设置为l,i时间点的输出功率实际测量值、预测值、导数分别为Pi、dPi/dt,
状态方程更新公式为:
观测方程更新公式为:Pi+1=Pi+1+nm,i=0,1,2,…
权值更新公式为:
预测结果更新公式为:
综上所述,本发明提供的一种太阳能电池阵输出功率衰减的预测方法及装置,至少能够带来以下的有益效果:
1、本发明提出的太阳能电池阵输出功率衰减的预测模型综合预测以太阳光强、太阳入射角和衰减因子随时间的变化趋势对功率的影响和作用,能够准确估计太阳能电池阵输出功率的衰减,从而为卫星的设计和轨道管理提供参考;
2、本发明通过粒子滤波法根据观测值实时调整太阳光强系数J、太阳入射角θ和衰减因子η状态更新的值,保证计算结果的准确性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.一种太阳能电池阵输出功率衰减的预测方法,其特征在于,包括:
通过P=V×I=P0×J×cos(θ)×η预测太阳能电池阵输出功率衰减,其中,V、I分别表示太阳电池阵的工作电压和工作电流;P表示太阳电池阵在轨工作输出功率;P0表示太阳电池阵的理论最大输出功率;J表示太阳光强系数;θ表示太阳入射角;η表示衰减因子;通过轨道分析计算得到太阳光强系数J,通过卫星运行轨道信息和太阳电池阵姿态信息计算获得太阳入射角θ,并通过分析在轨卫星遥测参数数据方法获得衰减因子η,通过粒子滤波法根据观测值实时调整太阳光强系数J、太阳入射角θ和衰减因子η状态更新的值,带入上式预测太阳能电池阵输出功率衰减。
3.根据权利要求1所述的预测方法,其特征在于,
所述太阳入射角其中,t表示太阳电池阵在轨的天数,θ0表示南北回归线所在纬度值,T0表示航天器进入太空的初始日期与同年近日点的天数差,β0表示常量,值为101。
5.根据权利要求1-4中任意一项所述的预测方法,其特征在于,通过粒子滤波法根据观测值实时调整太阳光强系数J、太阳入射角θ和衰减因子η状态更新的值,并带入上式预测太阳能电池阵输出功率衰减的步骤具体包括:
设置太阳电池阵最大衰减因子ξ、太阳电池阵随时间的衰减的速率σ的初始值分别为ξ0、σ0,i为时间点的模型参数更新值分别为ξi+1、σi+1;过程噪声、观测噪声分别服从正态分布np~N(0,sp)、nm~N(0,sm),j为粒子个数,粒子个数设置为l,i时间点的输出功率实际测量值、预测值、导数分别为Pi、dPi/dt,
状态方程更新公式为:
观测方程更新公式为:Pi+1=Pi+1+nm,i=0,1,2,…
权值更新公式为:
预测结果更新公式为:
6.一种太阳能电池阵输出功率衰减的预测装置,其特征在于,包括:
计算单元,用于通过轨道分析计算得到太阳光强系数J,通过卫星运行轨道信息和太阳电池阵姿态信息计算获得太阳入射角θ,并通过分析在轨卫星遥测参数数据方法获得衰减因子η,并通过粒子滤波法根据观测值实时调整太阳光强系数J、太阳入射角θ和衰减因子η状态更新的值,;
预测单元,用于根据所述计算单元得到的结果,通过P=V×I=P0×J×cos(θ)×η预测太阳能电池阵输出功率衰减,其中,V、I分别表示太阳电池阵的工作电压和工作电流;P表示太阳电池阵在轨工作输出功率;P0表示太阳电池阵的理论最大输出功率;J表示太阳光强系数;θ表示太阳入射角;η表示衰减因子。
9.根据权利要求6所述的预测装置,其特征在于,所述计算单元具体用于,计算衰减因子,所述衰减因子t表示太阳电池阵在轨的天数,ξ表示太阳电池阵最大衰减因子,σ表示太阳电池阵随时间的衰减的速率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310537821.4A CN103605884B (zh) | 2013-11-04 | 2013-11-04 | 太阳能电池阵输出功率衰减的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310537821.4A CN103605884B (zh) | 2013-11-04 | 2013-11-04 | 太阳能电池阵输出功率衰减的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103605884A true CN103605884A (zh) | 2014-02-26 |
CN103605884B CN103605884B (zh) | 2017-02-01 |
Family
ID=50124105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310537821.4A Active CN103605884B (zh) | 2013-11-04 | 2013-11-04 | 太阳能电池阵输出功率衰减的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103605884B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836529A (zh) * | 2015-05-20 | 2015-08-12 | 北京空间飞行器总体设计部 | 一种在轨卫星太阳电池阵输出电流的故障诊断方法 |
CN104852687A (zh) * | 2015-05-27 | 2015-08-19 | 中国人民解放军国防科学技术大学 | 基于电流衰减的空间三结砷化镓太阳能电池片在轨剩余寿命预测方法 |
CN104852686A (zh) * | 2015-05-27 | 2015-08-19 | 中国人民解放军国防科学技术大学 | 一种基于电流衰减的太阳能电池寿命预测方法 |
CN105045993A (zh) * | 2015-07-13 | 2015-11-11 | 上海卫星工程研究所 | 星用太阳电池在轨性能退化预测方法 |
CN107491617A (zh) * | 2017-08-28 | 2017-12-19 | 南京理工大学 | 立方星太阳同步轨道太阳电池阵的能量估算方法 |
CN107703353A (zh) * | 2017-09-11 | 2018-02-16 | 北京空间飞行器总体设计部 | 航天器太阳翼在轨全寿命周期输出功率预示方法和系统 |
CN109284540A (zh) * | 2018-08-31 | 2019-01-29 | 重庆大学 | 一种基于工况识别的变衰减因子指数预测模型方法 |
CN109993147A (zh) * | 2019-04-12 | 2019-07-09 | 中国人民解放军国防科技大学 | 基于聚类分析的卫星太阳电池阵输出功率衰减评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6237876B1 (en) * | 2000-07-28 | 2001-05-29 | Space Systems/Loral, Inc. | Methods for using satellite state vector prediction to provide three-axis satellite attitude control |
CN102928714A (zh) * | 2012-11-02 | 2013-02-13 | 北京航空航天大学 | 一种基于i-v曲线与能量平衡的小卫星太阳阵寿命预测方法 |
-
2013
- 2013-11-04 CN CN201310537821.4A patent/CN103605884B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6237876B1 (en) * | 2000-07-28 | 2001-05-29 | Space Systems/Loral, Inc. | Methods for using satellite state vector prediction to provide three-axis satellite attitude control |
CN102928714A (zh) * | 2012-11-02 | 2013-02-13 | 北京航空航天大学 | 一种基于i-v曲线与能量平衡的小卫星太阳阵寿命预测方法 |
Non-Patent Citations (4)
Title |
---|
V. A. SHUVALOV ET AL.: "Power Losses of Solar Arrays under the Action of an Environment in a Geosynchronous Orbit", 《COSMIC RESEARCH》, vol. 43, no. 4, 31 December 2005 (2005-12-31), pages 259 - 267, XP019295059 * |
井元良 等: "太阳同步轨道卫星太阳电池阵在轨特性分析", 《航天器工程》, 15 October 2013 (2013-10-15) * |
彭梅 等: "太阳同步轨道卫星太阳电池阵衰减因子研究", 《航天器工程》, 15 September 2011 (2011-09-15) * |
郑军 等: "三轴稳定GEO卫星太阳电池阵输出功率变化分析", 《2011年全国电子信息技术与应用学术会议论文集》, 16 November 2011 (2011-11-16) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836529A (zh) * | 2015-05-20 | 2015-08-12 | 北京空间飞行器总体设计部 | 一种在轨卫星太阳电池阵输出电流的故障诊断方法 |
CN104836529B (zh) * | 2015-05-20 | 2017-02-01 | 北京空间飞行器总体设计部 | 一种在轨卫星太阳电池阵输出电流的故障诊断方法 |
CN104852687A (zh) * | 2015-05-27 | 2015-08-19 | 中国人民解放军国防科学技术大学 | 基于电流衰减的空间三结砷化镓太阳能电池片在轨剩余寿命预测方法 |
CN104852686A (zh) * | 2015-05-27 | 2015-08-19 | 中国人民解放军国防科学技术大学 | 一种基于电流衰减的太阳能电池寿命预测方法 |
CN105045993A (zh) * | 2015-07-13 | 2015-11-11 | 上海卫星工程研究所 | 星用太阳电池在轨性能退化预测方法 |
CN107491617A (zh) * | 2017-08-28 | 2017-12-19 | 南京理工大学 | 立方星太阳同步轨道太阳电池阵的能量估算方法 |
CN107703353A (zh) * | 2017-09-11 | 2018-02-16 | 北京空间飞行器总体设计部 | 航天器太阳翼在轨全寿命周期输出功率预示方法和系统 |
CN109284540A (zh) * | 2018-08-31 | 2019-01-29 | 重庆大学 | 一种基于工况识别的变衰减因子指数预测模型方法 |
CN109284540B (zh) * | 2018-08-31 | 2022-11-15 | 重庆大学 | 一种基于工况识别的变衰减因子指数预测模型方法 |
CN109993147A (zh) * | 2019-04-12 | 2019-07-09 | 中国人民解放军国防科技大学 | 基于聚类分析的卫星太阳电池阵输出功率衰减评估方法 |
CN109993147B (zh) * | 2019-04-12 | 2021-06-04 | 中国人民解放军国防科技大学 | 基于聚类分析的卫星太阳电池阵输出功率衰减评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103605884B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103605884A (zh) | 太阳能电池阵输出功率衰减的预测方法及装置 | |
Han et al. | Mid-to-long term wind and photovoltaic power generation prediction based on copula function and long short term memory network | |
CN103996082B (zh) | 一种基于双重随机理论的太阳辐射强度预测方法 | |
Liu et al. | An improved photovoltaic power forecasting model with the assistance of aerosol index data | |
CN103020487B (zh) | 一种光伏电站辐照度预测值修正方法 | |
CN104318077B (zh) | 气候变化和人类活动对河川径流变化定量分析方法 | |
Kazem et al. | Experimental and deep learning artificial neural network approach for evaluating grid‐connected photovoltaic systems | |
CN105243502B (zh) | 一种基于径流区间预测的水电站调度风险评估方法及系统 | |
Badosa et al. | Day-ahead probabilistic forecast of solar irradiance: a Stochastic Differential Equation approach | |
Mohammed et al. | Hourly solar radiation prediction based on nonlinear autoregressive exogenous (Narx) neural network | |
Khan et al. | Hybrid power forecasting model for photovoltaic plants based on neural network with air quality index | |
CN104598765A (zh) | 一种基于弹性自适应神经网络的建筑物能耗预测方法 | |
CN113515841B (zh) | 一种基于改进Budyko公式的径流变化定量分解方法 | |
Şahin | A new formulation for solar irradiation and sunshine duration estimation | |
CN104598715A (zh) | 一种基于气候态风速预测的区域风电电量预测方法 | |
CN117390894A (zh) | 一种预测极端风暴潮位的方法 | |
CN104346659A (zh) | 应用于高倍聚光光伏发电系统的短期发电量预测方法 | |
CN103927598A (zh) | 基于自学习径向基核函数的光伏发电功率预测方法 | |
Yap et al. | Comparative study in predicting the global solar radiation for Darwin, Australia | |
Azka et al. | Modelling of photovoltaic system power prediction based on environmental conditions using neural network single and multiple hidden layers | |
Dogra et al. | Application of Artificial Neural Network to Solar Potential Estimation in Hilly Region of India | |
Shahin et al. | A weather generator for use in construction simulation models | |
Nandi et al. | A comparative study on ANN Techniques in Predicting Solar Radiation for various Meteorological locations of Bangladesh | |
Zaiani et al. | New approach to establish a clear sky global solar irradiance model | |
CN103927595A (zh) | 基于自学习复合数据源光伏发电功率超短期预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |