CN105245188A - 光伏逆变器能耗特性在线预测方法及其装置 - Google Patents

Abstract

本发明提供了一种光伏逆变器能耗特性在线预测方法及其装置，所述方法包括：获取光伏电池组件的参数及光伏逆变器的参数；测量所述光伏电池组件的实时光照辐射度及实时环境温度；根据所述光伏电池组件的参数、所述光伏逆变器的参数、所述实时光照辐射度及所述实时环境温度预测所述光伏逆变器的实时能耗及实时效率。本发明的方法及其装置基于光伏电池组件的气象因素合理预测了光伏逆变器的实时能耗及实时效率。

Description

光伏逆变器能耗特性在线预测方法及其装置

技术领域

本发明涉及能源技术领域，尤其涉及一种光伏逆变器能耗特性在线预测方法及其装置。

背景技术

太阳能光伏发电是新能源的重要组成部分，被认为是当前世界上最有发展前景的新能源技术之一。目前各国均投入巨额资金竞相研究开发,并积极推进产业化进程，大力开拓市场应用。

与传统发电方式相比，太阳能光伏发电具有数量大、清洁、获取方便、时间长久的优点，是取之不尽、用之不竭的理想能源。长远来看，太阳能将是未来人类主要的能源来源。据预计，2020年时光伏发电在世界电力生产中所占比例将达1％左右，到2050年时将占到25％。光伏发电正在快速进入电力能源结构，并且将逐步成为其重要的组成部分。近年来光伏发电从技术和市场上都得到了飞速发展，太阳能的利用虽然无地域限制，随处可得。

然而，目前光伏发电系统发电效率偏低、发电成本偏高是光伏发电大规模推广应用的瓶颈。光伏逆变器作为光伏发电系统的重要组成部分，其损耗特性直接影响光伏系统的发电效率。目前，光伏电站中逆变器的损耗特性一般通过测量直流输入功率与交流输出功率得到，缺乏具体的损耗机理分析，难以为效率优化及装置设计提供理论依据。

而且，测量的方法要求使用复杂的电量传感装置，成本较高，且不能根据日照强度、环境温度等气象因素快速评估逆变器的运行状态。因此亟需建立全面、精确的光伏逆变器损耗机理评估模型，并制定特定气象因素条件下逆变器输出特性理论预测方法。

发明内容

本发明提供一种光伏逆变器能耗特性在线预测方法及其装置以解决现有技术中的一项或多项缺失。

本发明提供一种光伏逆变器能耗特性在线预测方法，所述方法包括：获取光伏电池组件的参数及光伏逆变器的参数；测量所述光伏电池组件的实时光照辐射度及实时环境温度；根据所述光伏电池组件的参数、所述光伏逆变器的参数、所述实时光照辐射度及所述实时环境温度预测所述光伏逆变器的实时能耗及实时效率。

一个实施例中，根据所述光伏电池组件的参数、所述光伏逆变器的参数、所述实时光照辐射度及所述实时环境温度预测所述光伏逆变器的实时能耗及实时效率，包括：根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率；根据所述光伏逆变器的参数，在线评估所述光伏逆变器的实时能耗；根据所述理论输出功率和所述实时能耗，在线预测所述光伏逆变器的所述实时效率。

一个实施例中，根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率，包括：创建所述光伏电池组件的工程数学模型；将所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度输入所述工程数学模型，在线计算所述光伏电池组件的实时理论输出功率；

所述工程数学模型为：

P_m＝U_mI_m，

其中，U_m和I_m分别为所述光伏电池组件中单个光伏电池获得实时最大理论输出功率P_m时的实时理论电压和实时理论电流；

所述实时理论电压为：

$U_m=U_{mref}\[1-c(T-T_{ref})\]\·ln\[e+b(\frac{S}{S_{ref}}-1)\],$

其中，U_mref为标准测试条件下的所述实时理论电压，c和b为设定参数，T为所述实时环境温度，T_ref为所述标准测试条件下的温度，e为自然对数底数，S为所述实时光照辐射度，S_ref为所述标准测试条件下的光照辐射度；

所述实时理论电流为：

$I_m=I_{mref}\frac{S}{S_{ref}}\[1+a(T-T_{ref})\],$

其中，I_mref为所述标准测试条件下的所述实时理论电流，a为设定参数。

一个实施例中，所述光伏电池组件参数包括串联光伏电池的数量x及并联光伏电池的数量y，x,y为整数，x,y≥1；所述光伏电池组件的实时最大理论输出功率为：P_{m_sum}＝(U_m*x)(I_m*y)。

一个实施例中，根据所述光伏逆变器的参数，在线评估所述光伏逆变器的实时能耗，包括：创建所述光伏逆变器中绝缘栅极双极型晶体管的能耗模型；创建所述光伏逆变器中二极管的能耗模型；创建所述光伏逆变器中直流侧电容的能耗模型；创建所述光伏逆变器中LCL滤波器的能耗模型；根据所述绝缘栅极双极型晶体管的能耗模型、所述二极管的能耗模型、所述直流侧电容的能耗模型及所述LCL滤波器的能耗模型，计算得到所述光伏逆变器的机理能耗模型；将所述光伏逆变器的参数输入至所述机理能耗模型，在线评估所述光伏逆变器的实时能耗。

一个实施例中，创建所述光伏逆变器中绝缘栅极双极型晶体管的能耗模型，包括：创建所述光伏逆变器中绝缘栅极双极型晶体管的开关能耗模型；创建所述光伏逆变器中绝缘栅极双极型晶体管的导通能耗模型；根据所述绝缘栅极双极型晶体管的开关能耗模型和所述绝缘栅极双极型晶体管的导通能耗模型，计算得到所述绝缘栅极双极型晶体管的能耗模型。

一个实施例中，所述绝缘栅极双极型晶体管的开关能耗模型为：

$P_{sw,IGBT}=f_s\frac{1+cos\mathrm{\θ}}{2\mathrm{\π}}(E_{on,IGBT}+E_{off,TGBT})\frac{V_{d,IGBT}}{V_{CEN}}\frac{I_{0,IGBT}}{I_{CN}},$

其中，f_s是所述光伏逆变器的开关频率，θ是所述光伏逆变器的功率因数角，E_on,IGBT和E_off,IGBT分别是单个绝缘栅极双极型晶体管在其额定电流I_CN及其额定电压V_CEN下开通、断开一次损失的能量，V_d,IGBT是绝缘栅极双极型晶体管的实时电压，I_0,IGBT是绝缘栅极双极型晶体管的实时电流；

所述绝缘栅极双极型晶体管的导通能耗模型为：

$P_i=(\frac{1}{8}+\frac{M}{3\mathrm{\π}}cos\mathrm{\θ})r_T{I}_{CM}^2+(\frac{1}{2\mathrm{\π}}+\frac{M}{8}cos\mathrm{\θ})V_{F0}{I}_{CM},$

其中，M是所述光伏逆变器的PWM调制比，θ是所述光伏逆变器的功率因数角，V_F0是绝缘栅极双极型晶体管的正向导通电压，r_T是绝缘栅极双极型晶体管的正向导通电阻，I_CM是所述光伏逆变器的输出电流峰值。

一个实施例中，创建所述光伏逆变器中二极管的能耗模型，包括：创建所述光伏逆变器中二极管的开关能耗模型；创建所述光伏逆变器中二极管的导通能耗模型；根据所述二极管的开关能耗模型和所述二极管的导通能耗模型，计算得到所述二极管的能耗模型。

一个实施例中，所述二极管的开关能耗模型为：

$P_{sw,Diode}=f_s\frac{1+cos\mathrm{\θ}}{2\mathrm{\π}}{E}_{off,Diode}\frac{V_{d,Diode}}{V_N}\frac{I_{0,Diode}}{I_N},$

其中，f_s是所述光伏逆变器的开关频率，θ是所述光伏逆变器的功率因数角，E_off,Diode是单个二极管在其额定电压V_N及其额定电流I_N下断开一次损失的能量，V_d,Diode是二极管的实时电压，I_0,Diode是二极管的实时电流；

所述二极管的导通能耗模型为：

$P_d=(\frac{1}{8}-\frac{M}{3\mathrm{\π}}cos\mathrm{\θ})r_D{I}_{CM}^2+(\frac{1}{2\mathrm{\π}}-\frac{M}{8}cos\mathrm{\θ})V_{D0}{I}_{CM},$

其中，M是所述光伏逆变器的PWM调制比，θ是所述光伏逆变器的功率因数角，I_CM是所述光伏逆变器的输出电流峰值，V_D0是二极管的正向导通电压，r_D是二极管的正向导通电阻。

一个实施例中，所述直流侧电容的能耗模型为：

${\mathrm{\ΔE}}_0=\underset{0}{\overset{T/2}{\∫}}{R}_{S0}\·I{\left(t\right)}^2\·dt,$

其中，R_S0是直流侧电容的等效电容，I(t)是流经直流侧电容且随时间t变化的电流，T是流经直流侧电容的电流的变化周期；

流经直流侧电容的电流I(t)用纹波电流代替，所述纹波电流为：

其中，I'_m是输出光伏逆变器侧相电流的峰值，M是所述光伏逆变器的PWM调制比，为所述光伏逆变器的输出电流滞后所述光伏逆变器的输出电压的相位差。

一个实施例中，创建所述光伏逆变器中LCL滤波器的能耗模型，包括：创建所述光伏逆变器中LCL滤波器的滤波电容能耗模型；创建所述光伏逆变器中LCL滤波器的电感绕组能耗模型及电感磁芯能耗模型，并计算得到所述LCL滤波器的滤波电感能耗模型；根据所述滤波电容能耗模型和所述滤波电感能耗模型，计算得到所述LCL滤波器的能耗模型。

一个实施例中，所述滤波电容的能耗模型为：

其中，tanδ_h＝R_shω_hC，ω_h＝2πf_h，R_sh＝hR_s1，

其中，C是滤波电容的电容值，h是谐波次数，tanδ_h是第h次谐波的滤波电容耗散因数，ω_h是第h次谐波的角频率，U_h是第h次谐波的电压有效值，R_sh是第h次谐波的电阻值，f_h是第h次谐波的频率，R_s1是基波的电阻值；

所述电感绕组的能耗模型为：

$P_{cu}=R_{ac}{I}_{rms}^2,$

其中，R_ac是电感绕组的交流电阻，I_rms是流过电感绕组的电流有效值，

所述电感绕组的交流电阻 $R_{ac}=R_{dc}\[1+\frac{{(r_o/\mathrm{\δ})}^4}{48+0.8{(r_o/\mathrm{\δ})}^4}\],$

其中，R_dc是电感绕组的直流电阻，r_o是电感绕组的导体的圆形截面的半径，δ是电感绕组的集肤深度，

所述电感绕组的直流电阻R_dc＝N(MLT)(ρ₂₀)[1+α₂₀(T_max-20)]，

其中，N是绕线圈数，MLT是单圈绕线的平均长度，ρ₂₀是每厘米绕线的直流电阻，T_max是电感绕组的最高温度，

所述电感绕组的集肤深度

其中，f是基波的电流频率，μ是电感绕组的导体渗透率，σ是电感绕组的导体电导率；

所述电感磁芯的能耗模型为：

P_fe＝K_cf^αB_max ^β，

其中，K_c、α及β是Steinmetz参数，f是基波的电流频率，B_max是电感磁芯的最大磁密度，

所述电感磁芯的最大磁密度

其中，DT是所述光伏逆变器的开关导通时间，N是绕线圈数，A_c是电感磁芯的横截面积。

一个实施例中，在根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率之前，包括：对测量的所述实时光照辐射度及所述实时环境温度进行滤波处理。

一个实施例中，所述方法还包括：根据设定时间内的多个所述实时效率，计算得到所述光伏逆变器的所述设定时间期间的效率；根据所述设定时间内的多个所述实时能耗，计算得到所述光伏逆变器的所述设定时间期间的实时能耗。

本发明还提供一种光伏逆变器能耗特性在线预测装置，所述装置包括：计量监测单元，用于测量光伏电池组件的实时光照辐射度及实时环境温度；数据采集单元，与所述计量监测单元连接，采集所述实时光照辐射度及所述实时环境温度；数据处理单元，与所述数据采集单元连接，根据所述实时光照辐射度、所述实时环境温度及录入的所述光伏电池组件的参数、光伏逆变器的参数，生成所述光伏逆变器的实施能耗及实时效率。

一个实施例中，所述计量监测单元包括太阳辐射计、环境温度计及第一通信模块；其中，所述太阳辐射计用于测量所述实时光照辐射度，所述环境温度计用于测量所述实时环境温度；所述太阳辐射计及所述环境温度计均与所述第一通信模块连接，所述第一通信模块与所述数据采集单元连接，所述第一通信模块将所述实时光照辐射度及所述实时环境温度传送至所述数据采集单元。

一个实施例中，所述数据采集单元包括第二通信模块及数据采集器；其中，所述数据采集器采集所述实时光照辐射度及所述实时环境温度；所述第二通信模块的一端与所述第一通信模块连接，另一端与所述数据采集器连接，所述第二通信模块将所述实时光照辐射度及所述实时环境温度传送至所述数据处理单元。

本发明的光伏逆变器能耗特性在线预测方法及装置，基于气象因素，主要为光伏电池组件的光照辐射度及环境温度，在线预测光伏逆变器的能耗及效率，测算光伏逆变器能耗特性，主要为效率、各部分功率损耗，能够实现光伏逆变器的快速故障诊断及效率优化方案设计，同时能够对实际运行的光伏电站中逆变器各部分损耗特性进行精确评估，能够为运行人员预测、调度、维护等操作提供依据。进一步通过针对光伏逆变器中的各种元件建立能耗模型，不仅可以合理预测光伏逆变器的功率损耗，还无需配置测量光伏逆变器输入输出功率的设备，简化了光伏逆变器能耗预测的方法，显著降低了光伏逆变器能耗预测的成本。

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。在附图中：

图1是本发明实施例的光伏逆变器能耗特性在线预测系统的结构示意图；

图2是本发明实施例的光伏逆变器能耗特性在线预测方法的流程示意图；

图3是本发明一实施例中实时能耗及实时效率的计算方法的流程示意图；

图4是本发明一实施例中实时理论输出功率的计算方法的流程示意图；

图5是本发明一实施例中计算光伏逆变器的实时能耗的方法的流程示意图；

图6是本发明一实施例中计算光伏逆变器中绝缘栅双极型晶体管能耗模型的方法的流程示意图；

图7是本发明一实施例中绝缘栅极双极型晶体管的功率损耗示意图；

图8是本发明一实施例中创建二极管能耗模型的方法的流程示意图；

图9A和9B是本发明实施例中电容等效模型的示意图；

图10是本发明一实施例中创建LCL滤波器能耗模型的方法的流程示意图；

图11是本发明一实施例的光伏逆变器能耗特性在线预测方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

本发明实施例提供多种实施方式的光伏逆变器能耗特性在线预测系统、装置及方法。本发明实施例的光伏逆变器能耗特性在线预测系统包括本发明实施例的光伏逆变器能耗特性在线预测装置。

图1是本发明实施例的光伏逆变器能耗特性在线预测系统的结构示意图。如图1所示，本发明实施例的光伏逆变器能耗特性在线预测系统包括光伏电池组件110、光伏汇流箱120、直流柜130、光伏逆变器140、计量监测单元210、数据采集单元220、数据处理单元230、光伏电站数据中心310、网络系统320及上位机330等部分。

光伏电池组件110、光伏汇流箱120、直流柜130及光伏逆变器140将光能最终转换为交流电。光伏电池组件110是由多个光伏电池组成的光伏电池阵列，用于将光能转化成电能。光伏逆变器140负责将从直流柜130输出的直流电转换为交流电，以便于输送给用户使用。

本发明实施例的光伏逆变器能耗特性在线预测装置，可包括图1中的计量监测单元210、数据采集单元220及数据处理单元230。

计量监测单元210用于实现气象因素变量的测量，例如，测量光伏电池组件的实时光照辐射度及实时环境温度。数据采集单元220与计量监测单元210连接，可用于实现测量数据信息的采集，例如，采集上述实时光照辐射度及上述实时环境温度。数据处理单元230与数据采集单元220连接，可用于分析计算光伏逆变器理论能耗特性，例如，根据上述实时光照辐射度、上述实时环境温度及录入的上述光伏电池组件的参数、光伏逆变器的参数，生成该光伏逆变器的实施能耗及实时效率。

数据处理单元230输出的光伏逆变器能耗特性数据，再依次传送给光伏电站数据中心310、网络系统320及上位机330，以为运行人员预测、调度、维护等操作提供依据。

本发明实施例的光伏逆变器能耗特性在线预测装置，通过计量监测单元采集影响光伏逆变器能耗特性的气象数据，可以实现对光伏逆变器的能耗特性进行分析、预测，为效率优化及光伏发电相关装置的设计提供了可靠的理论依据。

一个实施例中，如图1所示，光伏逆变器能耗特性在线预测装置中的计量监测单元210包括太阳辐射计211、环境温度计212及第一通信模块213。

该太阳辐射计211用于测量上述实时光照辐射度，该环境温度计212用于测量上述实时环境温度；该太阳辐射计211及该环境温度计212均与该第一通信模块213连接，该第一通信模块213与上述数据采集单元220连接，该第一通信模块213将上述实时光照辐射度及上述实时环境温度传送至该数据采集单元220。

本发明实施例中，通过太阳辐射计和环境温度计分别监测光伏电池阵列区域的太阳辐射度与温度，并通过通讯模块输出采集数据，考虑了主要气象因素，量化了影响光伏电池的气象因素，能够准确预测光伏逆变器能耗特性。

一个实施例中，再如图1所示，光伏逆变器能耗特性在线预测装置中的数据采集单元220可包括数据采集器221及第二通信模块222；

该数据采集器221采集上述实时光照辐射度及上述实时环境温度；该第二通信模块222的一端与上述第一通信模块213连接，另一端与该数据采集器221，该第二通信模块222将上述实时光照辐射度及上述实时环境温度传送至上述数据处理单元230，供数据处理单元230在线分析计算上述光伏逆变器的能耗特性。数据采集器221通过第二通信模块222与测量模块(包括太阳辐射计211及环境温度计212)通信，以采集实时环境因素信息。

一个实施例中，图1所示的数据处理单元230可包括光伏电池组件110的信息录入模块和理论能耗特性计算模块(未示出)。

光伏电池组件110及光伏逆变器140的信息录入模块需通过人工输入数据，包括光伏组件设备型号、安装数量(包含串联数量、并联数量)、额定开路电压、额定短路电流等光伏组件信息，及光伏逆变器的额定输入功率、额定直流电压、额定输出电压、IGBT与二极管参数、直流滤波电容及输出LCL滤波器的相关参数等；理论输出特性计算模块依据设定的计算方法，计算在测量的气象因素条件下光伏逆变器理论效率及各部分实时损耗。

本发明实施例的光伏逆变器能耗特性在线预测装置，通过计量监测单元测量光伏电池组件的实时光照辐射度及实时环境温度，能够实现对光伏逆变器能耗特性进行实时预测，为效率优化及光伏发电相关装置的设计提供了可靠的理论依据。

基于与本发明实施例的光伏逆变器能耗特性在线预测装置相同的构思，本发明还提供了一种光伏逆变器能耗特性在线预测方法。

图2是本发明实施例的光伏逆变器能耗特性在线预测方法的流程示意图。如图2所示，光伏逆变器能耗特性在线预测方法，包括步骤：

S400：获取光伏电池组件的参数及光伏逆变器的参数；

S500：测量所述光伏电池组件的实时光照辐射度及实时环境温度；

S600：根据所述光伏电池组件的参数、所述光伏逆变器的参数、所述实时光照辐射度及所述实时环境温度预测所述光伏逆变器的实时能耗及实时效率。

本发明实施例的光伏逆变器能耗特性在线预测方法，基于气象因素(主要是光照和环境温度)，结合光伏电池组件和光伏逆变器的参数，能够实时预测光伏逆变器的能耗及效率，有助于快速诊断光伏发电系统的故障及研究效率优化的光伏发电方案。

图3是本发明一实施例中实时能耗及实时效率的计算方法的流程示意图，如图3所示，上述步骤S600中，根据所述光伏电池组件的参数、所述光伏逆变器的参数、所述实时光照辐射度及所述实时环境温度预测所述光伏逆变器的实时能耗及实时效率的方法，可包括步骤：

S610：根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率；

S620：根据所述光伏逆变器的参数，在线评估所述光伏逆变器的实时能耗；

S630：根据所述理论输出功率和所述实时能耗，在线预测所述光伏逆变器的所述实时效率。

本发明实施例中，通过引入气象因素有效计算出光伏电池组件的实时理论输出功率，并根据光伏逆变器的参数，合理评估出了光伏逆变器的实时能耗，最终实现了光伏逆变器效率的实时预测。

图4是本发明一实施例中实时理论输出功率的计算方法的流程示意图，如图4所示，图3的步骤S630中，根据所述理论输出功率和所述实时能耗，在线预测所述光伏逆变器的所述实时效率的方法，可包括步骤：

S631：创建所述光伏电池组件的工程数学模型；

S632：将所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度输入所述工程数学模型，在线计算所述光伏电池组件的实时理论输出功率。

在上述步骤S631中，该工程数学模型可为：

P_m＝U_mI_m，(1)

在公式(1)中，U_m和I_m分别为所述光伏电池组件中单个光伏电池获得实时最大理论输出功率P_m时的实时理论电压和实时理论电流。

上述实时理论电压为：

$U_m=U_{mref}\[1-c(T-T_{ref})\]\·ln\[e+b(\frac{S}{S_{ref}}-1)\],---\left(2\right)$

其中，U_mref为标准测试条件下的实时理论电压，c和b为设定参数，例如c＝0.00288/℃，b＝0.5m²/W，T为实时环境温度，T_ref为上述标准测试条件下的温度，e为自然对数底数，近似取值2.71828，S为所述实时光照辐射度，S_ref为所述标准测试条件下的光照辐射度。

上述实时理论电流为：

$I_m=I_{mref}\frac{S}{S_{ref}}\[1+a(T-T_{ref})\],---\left(3\right)$

其中，I_mref为所述标准测试条件下的所述实时理论电流，a为设定参数，例如a＝0.0025/℃。

具体而言，不同气象因素条件下光伏电池组件的输出功率，使用光伏电池组件的工程用数学模型进行实时预测。

申请人考虑到，该工程模型若使用生产厂家提供的标准测试条件(光照强度S_ref＝1000W/m²，电池温度T_ref＝25℃)下的光伏电池四个电气参数：短路电流I_scref、开路电压U_ocref、光伏电池获得最大功率时的电流I_mref和电压U_mref对光伏电池组件进行测试。在标准测试条件下的U-I方程如下：

$I=I_{scref}\[1-C_1(e^{U/\left(C_2{U}_{ocref}\right)}-1)\],---\left(4\right)$

在公式(4)中：

$C_1=(1-I_{mref}/I_{scref})e^{-U_{mref}/\left(C_2{U}_{ocref}\right)},---\left(5\right)$

C₂＝(U_mref/U_ocref-1)/[ln(1-I_mref/I_scref)]。(6)

由此申请人发现，该工程模型只要利用厂家提供的4个电气参数，计算得出上述参数C₁和参数C₂，就可得到光伏电池的U-I特性。

在非标准测试条件下的U-I特性方程可为：

$I=I_{sc}\[1-C_1(e^{U/\left(C_2{U}_{oc}\right)}-1)\],---\left(7\right)$

在公式(7)中，I_sc为非标准测试条件下的光伏电池短路电流，U_oc为非标准测试条件下的光伏电池开路电压。

一个实施例中，公式(7)在计算过程中，令参数C₁和参数C₂保持常数。该条件下的短路电流I_sc、开路电压U_oc、电流I_m、电压U_m通过引入补偿系数的方式计算得出：

T＝T_air+kS，(8)

$I_{sc}=I_{scref}\·\frac{S}{S_{ref}}\[1+a(T-T_{ref})\],---\left(9\right)$

$U_{oc}=U_{ocref}\[1-c(T-T_{ref})\]\·ln\[e+b(\frac{S}{S_{ref}}-1)\],---\left(10\right)$

$I_m=I_{mref}\frac{S}{S_{ref}}\[1+a(T-T_{ref})\],---\left(3\right)$

$U_m=U_{mref}\[1-c(T-T_{ref})\]\·ln\[e+b(\frac{S}{S_{ref}}-1)\],---\left(2\right)$

其中，T_air是空气温度，k是温度系数，k典型值为0.03℃·m²/W，e为自然对数底数，近似取值2.71828。a＝0.0025/℃，b＝0.5m²/W，c＝0.00288/℃。

一个实施例中，光伏电池组件中含有多个串联光伏电池和并联光伏电池，所以，光伏电池组件参数可包括串联光伏电池的数量x及并联光伏电池的数量y，x,y为整数，x,y≥1，则上述光伏电池组件的实时最大理论输出功率为：

P_{m_sum}＝(U_m*x)(I_m*y)。(11)

本发明实施例中，通过令电压乘以光伏电池组件中串联光伏电池的数量，得到光伏电池组件的总电压，通过令电流乘以光伏电池组件中并联光伏电池的数量，得到光伏电池组件的总电流，忽略MPPT(最大功率跟踪点损耗)，进而通过总电压和总电流相乘得到光伏电池组件的实时最大理论输出功率。

一个实施例中，光伏逆变器中包括电子元件绝缘栅极双极型晶体管(IGBT)、二极管、直流侧电容及LCL滤波器。

图5是本发明一实施例中计算光伏逆变器的实时能耗的方法的流程示意图。如图5所示，图3的步骤S620中，根据所述光伏逆变器的参数在线评估所述光伏逆变器的实时能耗的方法，可包括步骤：

S621：创建所述光伏逆变器中绝缘栅极双极型晶体管的能耗模型；

S622：创建所述光伏逆变器中二极管的能耗模型；

S623：创建所述光伏逆变器中直流侧电容的能耗模型；

S624：创建所述光伏逆变器中LCL滤波器的能耗模型；

S625：根据所述绝缘栅极双极型晶体管的能耗模型、所述二极管的能耗模型、所述直流侧电容的能耗模型及所述LCL滤波器的能耗模型，计算得到所述光伏逆变器的机理能耗模型；

S626：将所述光伏逆变器的参数输入至所述机理能耗模型，在线评估所述光伏逆变器的实时能耗。

本发明实施例中，通过创建光伏逆变器中多个元件的能耗模型，分别计算出各元件的能量损耗，再将各部分能耗求和，最终得到光伏逆变器的总的实时能耗。一方面，本发明实施例全面计算了光伏逆变器的能耗，使得能耗预测结果更准确；另一方面，上述光伏逆变器实时能耗的评估预测方法，无需通过测量能量的输入和输出，可显著降低评估能耗的装置的成本。

由于光伏逆变器中绝缘栅极双极型晶体管(IGBT)是不理想的，在实际应用中将会造成能量损失。IGBT的能耗可以包括开关损耗和导通损耗两部分，所以可相应的创建IGBT开关能耗模型和IGBT导通能耗模型，然后求和得到IGBT造成的能量损失。

图6是本发明一实施例中计算光伏逆变器中绝缘栅双极型晶体管能耗模型的方法的流程示意图。如图6所示，图5的步骤S621中，创建所述光伏逆变器中绝缘栅极双极型晶体管的能耗模型的方法，可包括步骤：

S6211：创建所述光伏逆变器中绝缘栅极双极型晶体管的开关能耗模型；

S6212：创建所述光伏逆变器中绝缘栅极双极型晶体管的导通能耗模型；

S6213：根据所述绝缘栅极双极型晶体管的开关能耗模型和所述绝缘栅极双极型晶体管的导通能耗模型，计算得到所述绝缘栅极双极型晶体管的能耗模型。

本发明实施例中，通过分别建立绝缘栅极双极型晶体管的主要能耗，开关能耗和导通能耗，再对绝缘栅极双极型晶体管的开关能耗和导通能耗计算得到IGBT的最终能耗，IGBT能耗求取过程简单，预测结果准确。

图7是本发明一实施例中绝缘栅极双极型晶体管的功率损耗示意图，其中，S_x表示IGBT开关状态，t_on表示IGBT导通时间，t_off表示IGBT断开时间，T_s表示IGBT导通和断开一次的时间周期，t_d(on)表示IGBT上施加电压V_d后其上延迟通过电流I_o的时间，t_d(off)表示IGBT上的电压V_d断开后其上电流I_o延迟断开的时间，V_dI_o表示IGBT导通和断开时的最大功率点，P_sw(on)表示IGBT导通时的功率损耗，P_sw(off)表示IGBT断开时的功率损耗。

如图7所示，当光伏逆变器的开关状态发生变化时，开关动作开始执行到最终完成存在一定时延。在此时延内IGBT上电压电流均不为零，产生对应的损耗。对于开关频率为f_s的IGBT，单个上述绝缘栅极双极型晶体管的开关能耗模型可为：

$P_{sw,IGBT}=f_s\frac{1+cos\mathrm{\θ}}{2\mathrm{\π}}(E_{on,IGBT}+E_{off,IGBT})\frac{V_{d,IGBT}}{V_{CEN}}\frac{I_{0,IGBT}}{I_{CN}},---\left(12\right)$

其中，f_s是所述光伏逆变器的开关频率，θ是所述光伏逆变器的功率因数角，E_on,IGBT和E_off,IGBT分别是单个绝缘栅极双极型晶体管在其额定电流I_CN及其额定电压V_CEN下开通、断开一次损失的能量，V_d,IGBT是绝缘栅极双极型晶体管的实时电压，I_0,IGBT是绝缘栅极双极型晶体管的实时电流。

当IGBT处于导通状态时，压降不为零，单个上述绝缘栅极双极型晶体管的导通能耗模型可为：

$P_i=(\frac{1}{8}+\frac{M}{3\mathrm{\π}}cos\mathrm{\θ})r_T{I}_{CM}^2+(\frac{1}{2\mathrm{\π}}+\frac{M}{8}cos\mathrm{\θ})V_{F0}{I}_{CM},---\left(13\right)$

其中，M是所述光伏逆变器的PWM调制比，θ是所述光伏逆变器的功率因数角，V_F0是绝缘栅极双极型晶体管的正向导通电压，r_T是绝缘栅极双极型晶体管的正向导通电阻，I_CM是所述光伏逆变器的输出电流峰值。

本发明实施例中，通过合理分析并计算得到IGBT在导通和断开时的功率损耗，可有效预测出其功率损耗。

由于光伏逆变器中二极管是不理想的，在实际应用中将会造成能量损失。二极管的能耗可以包括开关损耗和导通损耗两部分，所以可相应的创建二极管开关能耗模型和二极管导通能耗模型，然后计算(例如求和)得到二极管造成的能量损失。

图8是本发明一实施例中创建二极管能耗模型的方法的流程示意图。如图8所示，图5的步骤S622中，创建所述光伏逆变器中二极管的能耗模型的方法，可包括步骤：

S6221：创建所述光伏逆变器中二极管的开关能耗模型；

S6222：创建所述光伏逆变器中二极管的导通能耗模型；

S6223：根据所述二极管的开关能耗模型和所述二极管的导通能耗模型，计算得到所述二极管的能耗模型。

本发明实施例中，通过计算二极管的开关功率损耗和导通功率损耗，合理预测了光伏逆变器中二极管元件的能量损耗。

一个实施例中，只考虑反向二极管的反向恢复损耗，则单个二极管的开关能耗模型可为：

$P_{sw,Diode}=f_s\frac{1+cos\mathrm{\θ}}{2\mathrm{\π}}{E}_{off,Diode}\frac{V_{d,Diode}}{V_N}\frac{I_{0,Diode}}{I_N},---\left(14\right)$

其中，f_s是所述光伏逆变器的开关频率，θ是所述光伏逆变器的功率因数角，E_off,Diode是单个二极管在其额定电压V_N及其额定电流I_N下断开一次损失的能量，V_d,Diode是二极管的实时电压，I_0,Diode是二极管的实时电流。

单个二极管的导通能耗模型可为：

$P_d=(\frac{1}{8}-\frac{M}{3\mathrm{\π}}cos\mathrm{\θ})r_D{I}_{CM}^2+(\frac{1}{2\mathrm{\π}}-\frac{M}{8}cos\mathrm{\θ})V_{D0}{I}_{CM},---\left(15\right)$

其中，M是所述光伏逆变器的PWM调制比，θ是所述光伏逆变器的功率因数角，I_CM是所述光伏逆变器的输出电流峰值，V_D0是二极管的正向导通电压，r_D是二极管的正向导通电阻。

本发明实施例中，通过考虑反向二极管的反向恢复损耗，实现了对二极管的导通损耗和开关损耗进行预测，最终得到二极管的总损耗。

图9A和图9B是本发明实施例中电容等效模型的示意图。如图9A和图9B所示，考虑到电容的损耗机理，将实际电容简化成电阻和电容串联的等效模型。在图9A和图9B中，Z代表阻抗，δ为介电损耗角，θ为等效串联电阻R_s和阻抗Z之间的相角(即为介电损耗角δ的补角)，C为等效串联电容。上述各参数之间的关系为：

$Z=R_S-{\mathrm{jX}}_C=R_S-j\frac{1}{\mathrm{\ω}C}.---\left(16\right)$

在图5所示的计算光伏逆变器实施能耗的方法步骤623中，直流侧电容的能耗模型可为：

${\mathrm{\ΔE}}_0=\underset{0}{\overset{T/2}{\∫}}{R}_{S0}\·I{\left(t\right)}^2\·dt,---\left(17\right)$

其中，R_S0是直流侧电容的等效电容，I(t)是流经直流侧电容且随时间t变化的电流，T是流经直流侧电容的电流的变化周期。

对于直流侧电容，申请人考虑到能量损耗主要是由调制过程中产生的纹波电流造成的，所以当采用SVPWM(空间矢量调制)方式调制时，电容侧纹波电流为：

其中，I'_m是输出光伏逆变器侧相电流的峰值，M是光伏逆变器的PWM(脉宽调制)调制比，为光伏逆变器的输出电流滞后光伏逆变器的输出电压的相位差。

本发明实施例中，根据直流侧电容的等效电阻，可以求得纹波电流造成的能量损耗值的大小，可进而得到总的直流侧电容的能量损耗。

对于大功率光伏逆变器，常采用的滤波器为三阶LCL滤波器。在LCL滤波器的结构中，滤波电感、滤波电容等无源器件上都存在能量损耗，一般来说滤波电感的损耗大于滤波电容。

图10是本发明一实施例中创建LCL滤波器能耗模型的方法的流程示意图。如图10所示，在上述步骤624中，创建光伏逆变器中LCL滤波器的能耗模型的方法，可包括步骤：

S6241：创建所述光伏逆变器中LCL滤波器的滤波电容能耗模型；

S6242：创建所述光伏逆变器中LCL滤波器的电感绕组能耗模型及电感磁芯能耗模型，并计算得到所述LCL滤波器的滤波电感能耗模型；

S6243：根据所述滤波电容能耗模型和所述滤波电感能耗模型，计算得到所述LCL滤波器的能耗模型。

本发明实施例中，针对大功率光伏逆变器中常用LCL滤波器，并考虑了该种滤波器的主要能耗部分，包括其电容及电感，创建能耗模型，有效评估了光伏逆变器中滤波器部分的能耗。

根据图9A和图9B所示的电容等效模型及其计算公式(17)，可计算出滤波电容的能量损耗。申请人考虑到，造成滤波电容损耗的电流主要为光伏逆变器输出侧的基波及谐波电流，滤波电容的能耗可表示为：

$P_{C\_total}=C^2\underset{h=1}{\overset{h=h_{\max }}{\Σ}}{R}_{sh}{\mathrm{\ω}}_h^2{U}_h^2,---\left(19\right)$

其中，C是滤波电容的电容值，h是谐波次数，h_max是谐波的最高次数，R_sh是第h次谐波的电阻值，ω_h是第h次谐波的角频率，U_h是第h次谐波的电压有效值。

定义滤波电容的耗散因数为：

tanδ＝R_sωC，(20)

其中，tanδ是滤波电容耗散因数，R_s是谐波的电阻值，ω是谐波的角频率，C是滤波电容的电容值。

在上述步骤S6241中，该滤波电容的能耗模型可为：

$P_{C\_total}=C\underset{h=1}{\overset{h=h_{\max }}{\Σ}}\left({\mathrm{tan\δ}}_h\right){\mathrm{\ω}}_h{U}_h^2,---\left(21\right)$

其中，tanδ_h＝R_shω_hC，ω_h＝2πf_h，R_sh＝hR_s1。C是滤波电容的电容值，h是谐波次数，tanδ_h是第h次谐波的滤波电容耗散因数，ω_h是第h次谐波的角频率，U_h是第h次谐波的电压有效值，R_sh是第h次谐波的电阻值，f_h是第h次谐波的频率，R_s1是基波的电阻值。

本发明实施例中，在估算滤波电容的能量损耗时，不仅考虑了基波造成的能量损耗，还考虑了谐波造成的能量损耗，能够更精确地预测光伏逆变器中LCL滤波器的滤波电容中的能耗。

滤波电感的损耗可包括两部分：电感绕组能耗，例如铜绕组能耗，及电感磁芯能耗，例如铁磁芯能耗。

电感绕组能耗主要是由绕组的内电阻造成，所以，在上述步骤S6242中，电感绕组的能耗模型可为：

$P_{cu}=R_{ac}{I}_{rms}^2,---\left(22\right)$

其中，R_ac是电感绕组的交流电阻，I_rms是流过电感绕组的电流有效值。

上述电感绕组的交流电阻可表示为：

$R_{ac}=R_{dc}\[1+\frac{{(r_o/\mathrm{\δ})}^4}{48+0.8{(r_o/\mathrm{\δ})}^4}\],---\left(23\right)$

其中，R_dc是电感绕组的直流电阻，r_o是电感绕组的导体的圆形截面的半径，δ是电感绕组的集肤深度。

上述电感绕组的直流电阻可表示为：

R_dc＝N(MLT)(ρ₂₀)[1+α₂₀(T_max-20)]，(24)

其中，N是绕线圈数，MLT是单圈绕线的平均长度，ρ₂₀是每厘米绕线的直流电阻，T_max是电感绕组的最高温度，该最高温度T_max可等于温升ΔT加环境温度T_a。

上述电感绕组的集肤深度可表示为：

$\mathrm{\δ}=\frac{1}{\sqrt{\mathrm{\π}f\mathrm{\μ}\mathrm{\σ}}},---\left(25\right)$

其中，f是基波的电流频率，μ是电感绕组的导体渗透率，σ是电感绕组的导体电导率。

上述公式(23)到(25)中的各参数可由电感生产厂家提供。

电感磁芯的能量损耗主要是由于铁芯中的磁场变化引起的，可分为磁滞能耗、涡流能耗及剩余能耗，且磁滞能耗远大于其余两种能耗。因此，只考虑磁滞损耗，使用Steinmetz方程计算磁滞损耗。

在上述步骤S6242中，上述电感磁芯的能耗模型可为：

P_fe＝K_cf^αB_max ^β，(26)

其中，K_c、α及β是Steinmetz参数(可通过查器件技术手册得到)，f是基波的电流频率，B_max是电感磁芯的最大磁密度。

上述电感磁芯的最大磁密度可为：

$B_{max}=\frac{\mathrm{\Δ}B}{2}=\frac{(V_i-V_o)DT}{2{\mathrm{NA}}_c},---\left(27\right)$

其中，DT是上述光伏逆变器的开关导通时间，N是绕线圈数，A_c是电感磁芯的横截面积。

在其他实施例中，光伏逆变器的能量损耗还可包括变压器及其他部分的能量损耗。由于变压器结构与电感相似，因此其损耗可以根据上述实施例中电感能耗的计算方法来计算。

其他部分的能量损耗可指光伏逆变器系统中的冷却系统及控制系统的损耗，以及保险丝、接触器、短路器等器件在有电流流过时，由于内阻的存在而发热造成的损耗。冷却系统、控制系统的损耗一般可通过技术手册中的数据查询或计算得到。其余部分由于器件内阻难以获得一般无法计算，在工程实际中，根据经验一般将这部分损耗视为恒定值。

一个实施例中，上述各实施例的光伏逆变器能耗特性在线预测方法中，在根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率之前，可现对测量得到的实时光照辐射度及实时环境温度进行滤波处理，以提高实时理论输出功率的预测准确度。

一个实施例中，可利用上述各实施例的光伏逆变器能耗特性在线预测方法，多次预测光伏逆变器的理论输出功率及效率，并持续一段给定时间，从而完成一定时间内光伏逆变器的理论损耗特性计算。

图11是本发明一实施例的光伏逆变器能耗特性在线预测方法的流程示意图。如图11所示，本发明实施例的光伏逆变器能耗特性在线预测方法，还可包括步骤：

S700：根据设定时间内的多个所述实时效率，计算得到所述光伏逆变器的所述设定时间期间的效率；

S800：根据所述设定时间内的多个所述实时能耗，计算得到所述光伏逆变器的所述设定时间期间的实时能耗。

本发明实施例的光伏逆变器能耗特性在线预测方法，通过计算预测光伏逆变器在一给定时间内的效率和能耗数据点，实现预测一定时间内的光伏逆变器的理论损耗特性，从而能够对光伏逆变器的能耗情况持续监测，有利于研究出更合理的光伏逆变器及其系统的优化方案。

本发明的光伏逆变器能耗特性在线预测方法及装置，基于气象因素，主要为光伏电池组件的光照辐射度及环境温度，在线预测光伏逆变器的能耗及效率，测算光伏逆变器能耗特性，主要为效率、各部分功率损耗，能够实现光伏逆变器的快速故障诊断及效率优化方案设计，同时能够对实际运行的光伏电站中逆变器各部分损耗特性进行精确评估，能够为运行人员预测、调度、维护等操作提供依据。进一步通过针对光伏逆变器中的各种元件建立能耗模型，不仅可以合理预测光伏逆变器的功率损耗，还无需配置测量光伏逆变器输入输出功率的设备，简化了光伏逆变器能耗预测的方法，显著降低了光伏逆变器能耗预测的成本。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (17)

1.一种光伏逆变器能耗特性在线预测方法，其特征在于，所述方法包括：

获取光伏电池组件的参数及光伏逆变器的参数；

测量所述光伏电池组件的实时光照辐射度及实时环境温度；

根据所述光伏电池组件的参数、所述光伏逆变器的参数、所述实时光照辐射度及所述实时环境温度预测所述光伏逆变器的实时能耗及实时效率。

2.如权利要求1所述的光伏逆变器能耗特性在线预测方法，其特征在于，根据所述光伏电池组件的参数、所述光伏逆变器的参数、所述实时光照辐射度及所述实时环境温度预测所述光伏逆变器的实时能耗及实时效率，包括：

根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率；

根据所述光伏逆变器的参数，在线评估所述光伏逆变器的实时能耗；

根据所述理论输出功率和所述实时能耗，在线预测所述光伏逆变器的所述实时效率。

3.如权利要求2所述的光伏逆变器能耗特性在线预测方法，其特征在于，根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率，包括：

创建所述光伏电池组件的工程数学模型；

将所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度输入所述工程数学模型，在线计算所述光伏电池组件的实时理论输出功率；

所述工程数学模型为：

P_m＝U_mI_m，

其中，U_m和I_m分别为所述光伏电池组件中单个光伏电池获得实时最大理论输出功率P_m时的实时理论电压和实时理论电流；

所述实时理论电压为：

$U_m=U_{mref}\[1-c\left(T-T_{ref}\right)\]\·\ln \[e+b\left(\frac{S}{S_{ref}}-1\right)\],$

其中，U_mref为标准测试条件下的所述实时理论电压，c和b为设定参数，T为所述实时环境温度，T_ref为所述标准测试条件下的温度，e为自然对数底数，S为所述实时光照辐射度，S_ref为所述标准测试条件下的光照辐射度；

所述实时理论电流为：

$I_m=I_{mref}\frac{S}{S_{ref}}\[1+a\left(T-T_{ref}\right)\],$

其中，I_mref为所述标准测试条件下的所述实时理论电流，a为设定参数。

4.如权利要求3所述的光伏逆变器能耗特性在线预测方法，其特征在于，所述光伏电池组件参数包括串联光伏电池的数量x及并联光伏电池的数量y，x,y为整数，x,y≥1；

所述光伏电池组件的实时最大理论输出功率为：P_{m_sum}＝(U_m*x)(I_m*y)。

5.如权利要求2所述的光伏逆变器能耗特性在线预测方法，其特征在于，根据所述光伏逆变器的参数，在线评估所述光伏逆变器的实时能耗，包括：

创建所述光伏逆变器中绝缘栅极双极型晶体管的能耗模型；

创建所述光伏逆变器中二极管的能耗模型；

创建所述光伏逆变器中直流侧电容的能耗模型；

创建所述光伏逆变器中LCL滤波器的能耗模型；

根据所述绝缘栅极双极型晶体管的能耗模型、所述二极管的能耗模型、所述直流侧电容的能耗模型及所述LCL滤波器的能耗模型，计算得到所述光伏逆变器的机理能耗模型；

将所述光伏逆变器的参数输入至所述机理能耗模型，在线评估所述光伏逆变器的实时能耗。

6.如权利要求5所述的光伏逆变器能耗特性在线预测方法，其特征在于，创建所述光伏逆变器中绝缘栅极双极型晶体管的能耗模型，包括：

创建所述光伏逆变器中绝缘栅极双极型晶体管的开关能耗模型；

创建所述光伏逆变器中绝缘栅极双极型晶体管的导通能耗模型；

根据所述绝缘栅极双极型晶体管的开关能耗模型和所述绝缘栅极双极型晶体管的导通能耗模型，计算得到所述绝缘栅极双极型晶体管的能耗模型。

7.如权利要求6所述的光伏逆变器能耗特性在线预测方法，其特征在于，

所述绝缘栅极双极型晶体管的开关能耗模型为：

$P_{sw,IGBT}=f_s\frac{1+cos\mathrm{\θ}}{2\mathrm{\π}}(E_{on,IGBT}+E_{off,IGBT})\frac{V_{d,IGBT}}{V_{CEN}}\frac{I_{0,IGBT}}{I_{CN}},$

其中，f_s是所述光伏逆变器的开关频率，θ是所述光伏逆变器的功率因数角，E_on,IGBT和E_off,IGBT分别是单个绝缘栅极双极型晶体管在其额定电流I_CN及其额定电压V_CEN下开通、断开一次损失的能量，V_d,IGBT是绝缘栅极双极型晶体管的实时电压，I_0,IGBT是绝缘栅极双极型晶体管的实时电流；

所述绝缘栅极双极型晶体管的导通能耗模型为：

$P_i=\left(\frac{1}{8}+\frac{M}{3\mathrm{\π}}cos\mathrm{\θ}\right)r_T{I}_{CM}^2+\left(\frac{1}{2\mathrm{\π}}+\frac{M}{8}cos\mathrm{\θ}\right)V_{F0}{I}_{CM},$

其中，M是所述光伏逆变器的PWM调制比，θ是所述光伏逆变器的功率因数角，V_F0是绝缘栅极双极型晶体管的正向导通电压，r_T是绝缘栅极双极型晶体管的正向导通电阻，I_CM是所述光伏逆变器的输出电流峰值。

8.如权利要求5所述的光伏逆变器能耗特性在线预测方法，其特征在于，创建所述光伏逆变器中二极管的能耗模型，包括：

创建所述光伏逆变器中二极管的开关能耗模型；

创建所述光伏逆变器中二极管的导通能耗模型；

根据所述二极管的开关能耗模型和所述二极管的导通能耗模型，计算得到所述二极管的能耗模型。

9.如权利要求8所述的光伏逆变器能耗特性在线预测方法，其特征在于，

所述二极管的开关能耗模型为：

$P_{sw,Diode}=f_s\frac{1+cos\mathrm{\θ}}{2\mathrm{\π}}{E}_{off,Diode}\frac{V_{d,Diode}}{V_N}\frac{I_{0,Diode}}{I_N},$

其中，f_s是所述光伏逆变器的开关频率，θ是所述光伏逆变器的功率因数角，E_off,Diode是单个二极管在其额定电压V_N及其额定电流I_N下断开一次损失的能量，V_d,Diode是二极管的实时电压，I_0,Diode是二极管的实时电流；

所述二极管的导通能耗模型为：

$P_d=\left(\frac{1}{8}-\frac{M}{3\mathrm{\π}}cos\mathrm{\θ}\right)r_D{I}_{CM}^2+\left(\frac{1}{2\mathrm{\π}}-\frac{M}{8}cos\mathrm{\θ}\right)V_{D0}{I}_{CM},$

其中，M是所述光伏逆变器的PWM调制比，θ是所述光伏逆变器的功率因数角，I_CM是所述光伏逆变器的输出电流峰值，V_D0是二极管的正向导通电压，r_D是二极管的正向导通电阻。

10.如权利要求5所述的光伏逆变器能耗特性在线预测方法，其特征在于，

所述直流侧电容的能耗模型为：

${\mathrm{\ΔE}}_0=\underset{0}{\overset{T/2}{\∫}}{R}_{S0}\·I{\left(t\right)}^2\·dt,$

其中，R_S0是直流侧电容的等效电容，I(t)是流经直流侧电容且随时间t变化的电流，T是流经直流侧电容的电流的变化周期；

流经直流侧电容的电流I(t)用纹波电流代替，所述纹波电流为：

其中，I'_m是输出光伏逆变器侧相电流的峰值，M是所述光伏逆变器的PWM调制比，φ为所述光伏逆变器的输出电流滞后所述光伏逆变器的输出电压的相位差。

11.如权利要求5所述的光伏逆变器能耗特性在线预测方法，其特征在于，创建所述光伏逆变器中LCL滤波器的能耗模型，包括：

创建所述光伏逆变器中LCL滤波器的滤波电容能耗模型；

创建所述光伏逆变器中LCL滤波器的电感绕组能耗模型及电感磁芯能耗模型，并计算得到所述LCL滤波器的滤波电感能耗模型；

根据所述滤波电容能耗模型和所述滤波电感能耗模型，计算得到所述LCL滤波器的能耗模型。

12.如权利要求11所述的光伏逆变器能耗特性在线预测方法，其特征在于，

所述滤波电容的能耗模型为：

其中，tanδ_h＝R_shω_hC，ω_h＝2πf_h，R_sh＝hR_s1，

其中，C是滤波电容的电容值，h是谐波次数，tanδ_h是第h次谐波的滤波电容耗散因数，ω_h是第h次谐波的角频率，U_h是第h次谐波的电压有效值，R_sh是第h次谐波的电阻值，f_h是第h次谐波的频率，R_s1是基波的电阻值；

所述电感绕组的能耗模型为：

$P_{cu}=R_{ac}{I}_{rms}^2,$

其中，R_ac是电感绕组的交流电阻，I_rms是流过电感绕组的电流有效值，

所述电感绕组的交流电阻 $R_{ac}=R_{dc}\[1+\frac{{(r_o/\mathrm{\δ})}^4}{48+0.8{(r_o/\mathrm{\δ})}^4}\],$

其中，R_dc是电感绕组的直流电阻，r_o是电感绕组的导体的圆形截面的半径，δ是电感绕组的集肤深度，

所述电感绕组的直流电阻R_dc＝N(MLT)(ρ₂₀)[1+α₂₀(T_max-20)]，

其中，N是绕线圈数，MLT是单圈绕线的平均长度，ρ₂₀是每厘米绕线的直流电阻，T_max是电感绕组的最高温度，

所述电感绕组的集肤深度

其中，f是基波的电流频率，μ是电感绕组的导体渗透率，σ是电感绕组的导体电导率；

所述电感磁芯的能耗模型为：

P_fe＝K_cf^αB_max ^β，

其中，K_c、α及β是Steinmetz参数，f是基波的电流频率，B_max是电感磁芯的最大磁密度，

所述电感磁芯的最大磁密度

其中，DT是所述光伏逆变器的开关导通时间，N是绕线圈数，A_c是电感磁芯的横截面积。

13.如权利要求2至12任一项所述的光伏逆变器能耗特性在线预测方法，其特征在于，在根据所述光伏电池组件的参数、所述实时光照辐射度及所述实时环境温度，在线计算所述光伏电池组件的实时理论输出功率之前，包括：

对测量的所述实时光照辐射度及所述实时环境温度进行滤波处理。

14.如权利要求1至12任一项所述的光伏逆变器能耗特性在线预测方法，其特征在于，所述方法还包括：

根据设定时间内的多个所述实时效率，计算得到所述光伏逆变器的所述设定时间期间的效率；

根据所述设定时间内的多个所述实时能耗，计算得到所述光伏逆变器的所述设定时间期间的实时能耗。

15.一种光伏逆变器能耗特性在线预测装置，其特征在于，所述装置包括：

计量监测单元，用于测量光伏电池组件的实时光照辐射度及实时环境温度；

数据采集单元，与所述计量监测单元连接，采集所述实时光照辐射度及所述实时环境温度；

数据处理单元，与所述数据采集单元连接，根据所述实时光照辐射度、所述实时环境温度及录入的所述光伏电池组件的参数、光伏逆变器的参数，生成所述光伏逆变器的实施能耗及实时效率。

16.如权利要求15所述的光伏逆变器能耗特性在线预测装置，其特征在于，所述计量监测单元包括太阳辐射计、环境温度计及第一通信模块；

其中，所述太阳辐射计用于测量所述实时光照辐射度，所述环境温度计用于测量所述实时环境温度；所述太阳辐射计及所述环境温度计均与所述第一通信模块连接，所述第一通信模块与所述数据采集单元连接，所述第一通信模块将所述实时光照辐射度及所述实时环境温度传送至所述数据采集单元。

17.如权利要求16所述的光伏逆变器能耗特性在线预测装置，其特征在于，所述数据采集单元包括第二通信模块及数据采集器；

其中，所述数据采集器采集所述实时光照辐射度及所述实时环境温度；所述第二通信模块的一端与所述第一通信模块连接，另一端与所述数据采集器连接，所述第二通信模块将所述实时光照辐射度及所述实时环境温度传送至所述数据处理单元。