CN105827195A - 一种光伏组件清洗方法 - Google Patents
一种光伏组件清洗方法 Download PDFInfo
- Publication number
- CN105827195A CN105827195A CN201610155934.1A CN201610155934A CN105827195A CN 105827195 A CN105827195 A CN 105827195A CN 201610155934 A CN201610155934 A CN 201610155934A CN 105827195 A CN105827195 A CN 105827195A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- assembly
- precipitation
- cleaning
- cleaning method
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001556 precipitation Methods 0.000 claims abstract description 44
- 238000012216 screening Methods 0.000 claims description 21
- 239000000428 dust Substances 0.000 claims description 19
- 239000004576 sand Substances 0.000 claims description 7
- 238000005406 washing Methods 0.000 claims description 5
- 101000604223 Homo sapiens Nocturnin Proteins 0.000 claims description 2
- 102100038815 Nocturnin Human genes 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000000873 masking effect Effects 0.000 abstract 2
- 239000013049 sediment Substances 0.000 abstract 2
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000003466 anti-cipated effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/10—Cleaning arrangements
-
- 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
Abstract
本发明涉及一种光伏组件清洗方法,包括:1):采集影响光伏组件清洗与否的决定性因素的相关数据,并将这些数据进行处理,得到发电增益水平、输沙率、降水量、组件遮蔽率四个光伏组件清洗与否的决定性因素的精确值;2):将1)中得到的发电增益水平、输沙率、降水量的精确值送入第一级模糊控制器,进行处理,得到初始清洗指数,即光伏组件的初始可清洗概率;3):将1)中得到的组件遮蔽率的精确值与2)中得到的初始清洗指数送入第二级模糊控制器,进行处理,得到清洗决策指数。本发明能够为光伏组件的清洗提供决策性数据支持,打破原有光伏组件清洗决策主观意识强的缺陷,使光伏电站的组件清洗维护更具科学性。
Description
技术领域
本发明涉及光伏发电领域,尤其涉及一种光伏组件的清洗方法。
背景技术
光伏发电作为清洁能源的一种,在世界范围内都受到了广泛的重视,我国大型地面光伏电站,分布式屋顶光伏电站已经越来越多,但是光伏电站发电量能达到预期的很少,其中组件积灰严重是影响其发电量的最主要原因之一。
光伏组件表面的灰尘、污垢等不洁物影响了光照的透射率,会减少组件表面接收到的光辐照量,严重影响太阳能光伏系统转换效率,进而影响太阳能光伏系统的经济效益、环境效益和投资效果。此外,灰尘遮蔽会造成组件接收到的光辐照不均匀,影响组件的输出功率,当组件表面出现树叶、泥土、鸟粪等局部遮挡物时会在光伏组件局部形成热斑效应,造成发电量损失,影响组件寿命,甚至烧毁组件。
现阶段对于何时对光伏组件进行清理使得发电增益最大进行了一系列的研究,文献《光伏电站组件清洗方案的经济性分析》提供了这样的一种方案:将实时太阳辐照强度、环境温度和组串电流统一采集至监控后台,根据换算公式和遮蔽最佳容忍值编制简单的程序,对组件的遮蔽情况进行实时监测分析,并在达到遮蔽最佳容忍值时进行报警提示,以提高电站的发电量。然而这种方案仅仅给出了根据光伏组件清洗与否的决定性因素进行编制程序来实时监测遮蔽情况的技术设想,没有给出具体的技术方案。因此,需要一种具体且效果良好的技术方案,来弥补这一不足。
发明内容
本发明的目的是提供一种光伏组件清洗方法,用以解决现有技术中对光伏组件的清洗没有清洗依据、盲目性大的技术问题。
为实现上述目的,本发明的方案包括:
一种光伏组件清洗决策方法,包括如下步骤:
步骤1):采集影响光伏组件清洗与否的决定性因素的相关数据,并将这些数据进行处理,得到发电增益水平、输沙率、降水量、组件遮蔽率四个光伏组件清洗与否的决定性因素的精确值;
步骤2):将步骤1)中得到的发电增益水平、输沙率、降水量的精确值送入第一级模糊控制器,进行处理,得到初始清洗指数,即光伏组件的初始可清洗概率;
步骤3):将步骤1)中得到的组件遮蔽率的精确值与步骤2)中得到的初始清洗指数送入第二级模糊控制器,进行处理,得到清洗决策指数,即最终的可清洗概率。
进一步的,所述步骤1)中所述光伏组件清洗与否的决定性因素所需的参数包括发电量、风速、降水量、环境温度、组串工作电流。
进一步的,所述发电增益水平是指光伏组件清洗带来的发电量增益值,由下述公式(1)得到:
其中Q表示发电量增益水平,EAC为清洗过的(N-1)MW光伏组件在时段t内总发电量,E'AC为1MW未清洗组件在时段t内总发电量。
进一步的,所述步骤1)中的输沙率是指单位时间内风携带的沙尘量,由下述公式(2)得到:
q=8.70×10-2(V-Vs)3(2)
其中q为输沙率,即单位时间内风携带沙尘量(体积),单位为m3/s;V为风速,单位为m/s;Vs为荒漠地表平均起风速度,单位为m/s。
进一步的,所述步骤1)中的降水量L降水量通过天气预报获取未来6小时、24小时、48小时、72小时、96小时、144小时、168小时时间段内降水量,其降水速率数据分布如下:
进一步的,所述步骤1)中组件遮蔽率表征组件受灰尘遮蔽程度大小,可由下述公式(3)得到:
其中S是组件的遮蔽率,IT是组件在实际工作条件下的理想电流,IP是实际工作电流,Im是组件在标称条件下最佳工作电流,G是实际光辐照强度,α是短路电流温度系数,NOCT是组件的名义工作温度,t0是环境温度。
进一步的,所述步骤2)中送入第一级模糊控制器、第二级模糊控制器进行模糊化时采用的是三角形隶属度函数,其一般步骤具体如下:
H表示需要进行模糊化的量,H的水平论域为[0,1],构建模糊集合{HLL,HLH,HM,HHL,HHH},分别代表各论域区间,在整个论域上定义等间距的5个点作为每个模糊集合的三角形隶属度函数曲线的顶点横坐标值,依次是0,0.25,0.5,0.75,1,即HLL(0)=1,HLH(0.25)=1,HM(0.5)=1,HHL(0.75)=1,HHH(1)=1;H的隶属度函数满足归一化条件:据此得出H的隶属度函数如下:
优选的,第一级模糊控制器和第二级模糊控制器的模糊规则均根据先验知识制定,在实际运行中根据实际情况进行调整。
本发明基于具体地清洗决策方法,能够为光伏组件的清洗提供决策性数据支持,打破原有光伏组件清洗决策主观意识强的缺陷,使光伏电站的组件清洗维护更具科学性。
同时,在技术方案的具体实施过程中,采用的是模糊控制器的方法,不需要控制过程的精确数学模型,并且具有适应清洗指数的动力学特征变化、环境特征变化和动行条件变化的能力;采用两级模糊控制器的架构设计,根据系统不同的状态使用不同的模糊控制器,使得模糊控制输出结果能够达到更好的效果。
附图说明
图1是光伏电站组件清理决策推理流程图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
本发明提供一种光伏组件的清洗方法,以光伏组件的清洗决策指数为控制目标,设计两级模糊控制器进行计算来输出最终控制目标。首先采集发电量、风速、降水量、环境温度、组串工作电流等参数的数据进行预处理,得到发电量增益水平、预计输沙率、预计降水量三个参数的精确值,将这三个参数作为第一级模糊控制器的输入参数;然后,将上述三个精确量进行模糊化处理,把语言变量的语言值化为适当论域上的模糊子集;其次设计前级模糊控制器,通过一组模糊条件语句构成模糊控制规则,并计算模块控制规则决定的模糊关系;再次将经过模糊控制规则判断得到的是否执行组件清洗的模糊判决结论,即初始清洗指数;最后将初始清洗指数与组件遮蔽率引入到二级模糊控制器,经过模糊控制规则判断得到的是否执行组件清洗的模糊判决结论,并完成由模糊量到精确量的转化,即清洗决策指数。
具体的,如图1所示,首先采集预计发电量、风速、降水量、环境温度、组串工作电流等参数,将这些参数进行预处理然后得出影响光伏组件进行清洗的主要因素发电量增益水平、降水量、输沙率、组件遮蔽率的值,关于预处理得到发电量增益水平、降水量、输沙率、组件遮蔽率的具体过程如下。
①组件遮蔽率表征着组件受灰尘遮蔽程度的大小,灰尘遮蔽会减弱光辐照强度,降低组件的发电量,同时局部灰尘遮蔽可能会导致热斑效应,损失发电量的同时会造成安全隐患。由于组串的电流与太阳辐照强度成线性正比,因此通过监测组件的电流、实时的辐照强度和环境温度,将监测电流换算到标准条件下的电流,然后与标准条件下的标称电流进行对比,即可得到灰尘遮蔽的情况,判别公式如下所示:
其中S是组件的遮蔽率,IT是组件在实际工作条件下的理想电流,IP是实际工作电流,Im是组件在标称条件下最佳工作电流,G是实际光辐照强度,α是短路电流温度系数,NOTC是组件的名义工作温度,t0是环境温度。
②环境天气中输沙率是影响组件积尘的主要因素,天气的变化直接影响组件遮蔽率的大小,天气数据来源于天气预报;输沙率的计算可以由拜格诺风沙理论得出,风场按三维不可压缩流场处理,电池板对风场的作用可用风场经过电池板的输沙率q和风速V的变化表征。由拜格诺理论输沙率与风速关系为:
q=8.70×10-2(V-Vs)3(2)
q为输沙率,即单位时间内风携带沙尘量(体积),m3/s;V为风速,m/s;Vs为荒漠地表平均起风速度,m/s。由上述公式(1)可知,风速大,则输沙率就会增高,气流携带的沙尘就多,被电池板阻挡的沙尘就多。
③降雨量也是影响组件积尘的主要因素,降水量的变化直接影响组件遮蔽率的大小,降水量的数据来源于天气预报。降水量L降水量可通过天气预报获取未来6小时、24小时、48小时、72小时、96小时、144小时、168小时时间段内降水量,其降水速率数据分布如下:
④系统发电量增益水平是光伏电站组件清洗后到下一次清洗这个时间段内的发电量提升水平,相应的系统发电量增益水平,是组件清洗决策最优匹配的决定性因素之一。光伏组件清洗发电量增益水平是光伏组件清洗带来的发电量增益值,表征着组件清洗带来的经济性。
假定总装机容量为NMW,每次选取其中1MW组件作为参考基数,不执行清洗,另外(N-1)MW作为清洗对象。
Q表示发电量增益水平,EAC为清洗过的(N-1)MW光伏组件在时段t内总发电量,E'AC为1MW未清洗组件在时段t内总发电量,将其乘以(N-1)后得到(N-1)MW光伏组件未执行清洗任务在时段t内总发电量估计值。
在上述发电量增益水平、输沙率、降水量、组件遮蔽率四个决定光伏组件是否清洗的主要因素确定完成后,将这四个参数的精确值输入到第一级模糊控制器进行模糊化处理,进行模糊化所采用的隶属度函数是三角形隶属度函数,第一级模糊控制器和第二级模糊控制器均采用如下的模糊化接口,其具体模糊化过程如下:
H表示需要进行模糊化的量,H的水平论域为[0,1],构建模糊集合{HLL,HLH,HM,HHL,HHH},分别代表各论域区间,在整个论域上定义等间距的5个点作为每个模糊集合的三角形隶属度函数曲线的顶点横坐标值,依次是0,0.25,0.5,0.75,1,即HLL(0)=1,HLH(0.25)=1,HM(0.5)=1,HHL(0.75)=1,HHH(1)=1;H的隶属度函数满足归一化条件;得出H的隶属度函数如下:
如此,第一级模糊控制器输入量和第二级模糊控制器输入量的模糊化均按照上述过程进行,得到第一级模糊控制器的输入参数发电量增益水平、输沙率、降水量的隶属度函数以及第二级模糊控制器的输入参数初级清洗指数的隶属度函数。具体的,
1)发电量增益水平论域为[0,1],构建模糊集合{QLL,QLH,QM,QHL,QHH},通过上述模糊化接口构建出隶属度函数,最终构建的隶属度函数为:
2)输沙率论域为[0,q],q的取值根据各个地区不同地质情况获取经验数据,构建模糊集合{qLL,qLH,qM,qHL,qHH},通过上述模糊化接口构建出隶属度函数,最终得到的隶属度函数是:
3)降水量论域为[0,L],L的取值根据各个地区不同地质情况获取经验数据,构建模糊集合{LLL,LLH,LM,LHL,LHH},通过上述模糊化接口构建出隶属度函数,最终得到的隶属度函数是:
4)初级清洗指数P,论域为[0,1],构建模糊集合{PLL,PLH,PM,PHL,PHH},通过上述模糊化接口构建出隶属度函数,最终得到的隶属度函数是:
上述步骤中完成了对模糊控制器输入参数变量的模糊化,接下来需要在模糊控制器中建立规则库,为模糊控制器进行推理时提供控制规则。模糊规则的建立根据先验知识制定,在实际运行中可以根据实际情况进行适当调整,在这里规则库建立的规则为:假定输沙率、降水量、发电量增益幅值三个量中的任意两个量不变,判断第三项对初始组件清洗指数的影响。其中两种变量不变的规则建立如下:
1)假定发电量增益水平为Q=QLL,L降水量=LLL,输沙率存在变化,构建模糊规则如下:
ifQ=QLLandq=qLLandL降水量=LLLthenP=PLL;
ifQ=QLLandq=qLHandL降水量=LLLthenP=PLL;
ifQ=QLLandq=qMandL降水量=LLLthenP=PLH;
ifQ=QLLandq=qHLandL降水量=LLLthenP=PLH;
ifQ=QLLandq=qHHandL降水量=LLLthenP=PM。
2)假定发电量增益水平为Q=QLL,q=qLL,降水量存在变化,构建模糊规则如下:
ifQ=QLLandq=qLLandL降水量=LLLthenP=PLL;
ifQ=QLLandq=qLLandL降水量=LLLthenP=PLL;
ifQ=QLLandq=qLLandL降水量=LLLthenP=PLH;
ifQ=QLLandq=qLLandL降水量=LLLthenP=PLH;
ifQ=QLLandq=qLLandL降水量=LLLthenP=PM。
其他规则的建立也按照上述规则的建立原则进行,共可以建立625条规则。
规则库建立完成后,则开始进行模糊运算。根据上述建立的规则库对发电量增益幅值、输沙率、降水量三个参数模糊化后的模糊值进行合成运算,计算出隶属度。根据计算出的隶属度,进行解模糊计算,输出初始清洗指数P。
计算出初始清洗指数后则完成了第一级模糊计算,然后开始进行第二级模糊计算。首先将需要输入到第二级模糊控制器的输入参数初始清洗指数P和组件遮蔽率S进行模糊化,具体的:
组件遮蔽率论域为[0,1],S的取值根据各个地区不同地质情况获取经验数据,构建模糊集合{SLL,SLH,SM,SHL,SHH},通过上述模糊化接口构建出隶属度函数,最终得到的隶属度函数是:
初级清洗指数P论域为[0,1],构建模糊集合{PLL,PLH,PM,PHL,PHH},通过上述模糊化接口构建出隶属度函数,最终得到的隶属度函数是:
在完成对第二级模糊控制器输入量和输出量的模糊化后,同样,需要建立规则库,规则库根据先验知识制定,在实际中可以根据实际情况进行适当调整。假定初始清洗指数不变,分别构建清洗初始指数在P=PLL、P=PLH、P=PM、P=PHL、P=PHH时组件遮蔽率S变化对最终清洗决策指数的影响,具体的构建如下:
假定组件清洗初始指数为P=PLL,组件遮蔽率变化对最终清洗决策指数的影响,构建模糊规则如下
ifP=PLLandS=SLLthenP′=P′LL;
ifP=PLLandS=SLHthenP′=P′LH;
ifP=PLLandS=SMthenP=P′LH;
ifP=PLLandS=SHLthenP′=P′M;
ifP=PLLandS=SHHthenP′=P′HL;
同理,假定组件清洗初始指数为P=PLH,组件遮蔽率变化对最终清洗决策指数的影响,构建模糊规则如下
同样,根据上述规则建立方法建立时的规则,共可以建立25条模糊规则。
通过两级模糊控制器的计算,根据其规则库和隶属度函数,输出组件清洗的决策指数,其中P'=P'LL,P'=P'LH,P'=P'M,P'=P'HL,P'=P'HH分别代表20%,40%,60%,80%,100%的可清洗概率。根据输出的清洗决策指数,光伏电站运维人员可根据实际情况,适当安排组件清洗任务。
以上给出了本发明具体的实施方式,但本发明不局限于所描述的实施方式。在本发明给出的思路下,采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改,并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同,这样形成的技术方案是对上述实施例进行微调形成的,这种技术方案仍落入本发明的保护范围内。
Claims (8)
1.一种光伏组件清洗方法,其特征在于,所述方法包括如下步骤:
步骤1):采集影响光伏组件清洗与否的决定性因素的相关数据,并将这些数据进行处理,得到发电增益水平、输沙率、降水量、组件遮蔽率四个光伏组件清洗与否的决定性因素的精确值;
步骤2):将步骤1)中得到的发电增益水平、输沙率、降水量的精确值送入第一级模糊控制器,进行处理,得到初始清洗指数,即光伏组件的初始可清洗概率;
步骤3):将步骤1)中得到的组件遮蔽率的精确值与步骤2)中得到的初始清洗指数送入第二级模糊控制器,进行处理,得到清洗决策指数,即最终的可清洗概率。
2.根据权利要求1所述的一种光伏组件清洗方法,其特征在于,所述步骤1)中所述光伏组件清洗与否的决定性因素所需的参数包括发电量、风速、降水量、环境温度、组串工作电流。
3.根据权利要求1所述的一种光伏组件清洗方法,其特征在于,所述发电增益水平是指光伏组件清洗带来的发电量增益值,由下述公式(1)得到:
其中Q表示发电量增益水平,EAC为清洗过的(N-1)MW光伏组件在时段t内总发电量,E'AC为1MW未清洗组件在时段t内总发电量。
4.根据权利要求1所述的一种光伏组件清洗方法,其特征在于,所述步骤1)中的输沙率是指单位时间内风携带的沙尘量,由下述公式(2)得到:
q=8.70×10-2(V-Vs)3(2)
其中q为输沙率,即单位时间内风携带沙尘量(体积),单位为m3/s;V为风速,单位为m/s;Vs为荒漠地表平均起风速度,单位为m/s。
5.根据权利要求1所述的一种光伏组件清洗方法,其特征在于,所述步骤1)中的降水量L降水量通过天气预报获取未来6小时、24小时、48小时、72小时、96小时、144小时、168小时时间段内降水量,其降水速率数据分布如下:
6.根据权利要求1所述的一种光伏组件清洗方法,其特征在于,所述步骤1)中组件遮蔽率表征组件受灰尘遮蔽程度大小,由下述公式(3)得到:
其中S是组件的遮蔽率,IT是组件在实际工作条件下的理想电流,IP是实际工作电流,Im是组件在标称条件下最佳工作电流,G是实际光辐照强度,α是短路电流温度系数,NOCT是组件的名义工作温度,t0是环境温度。
7.根据权利要求1所述的一种光伏组件清洗方法,其特征在于,所述步骤2)中送入第一级模糊控制器、第二级模糊控制器进行模糊化时采用的是三角形隶属度函数,其一般步骤具体如下:
H表示需要进行模糊化的量,H的水平论域为[0,1],构建模糊集合{HLL,HLH,HM,HHL,HHH},分别代表各论域区间,在整个论域上定义等间距的5个点作为每个模糊集合的三角形隶属度函数曲线的顶点横坐标值,依次是0,0.25,0.5,0.75,1,即HLL(0)=1,HLH(0.25)=1,HM(0.5)=1,HHL(0.75)=1,HHH(1)=1;H的隶属度函数满足归一化条件:据此得出H的隶属度函数如下:
8.根据权利要求1所述的一种光伏组件清洗方法,其特征在于,第一级模糊控制器和第二级模糊控制器的模糊规则均根据先验知识制定,在实际运行中根据实际情况进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610155934.1A CN105827195B (zh) | 2016-03-18 | 2016-03-18 | 一种光伏组件清洗方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610155934.1A CN105827195B (zh) | 2016-03-18 | 2016-03-18 | 一种光伏组件清洗方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105827195A true CN105827195A (zh) | 2016-08-03 |
CN105827195B CN105827195B (zh) | 2017-11-21 |
Family
ID=56523732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610155934.1A Expired - Fee Related CN105827195B (zh) | 2016-03-18 | 2016-03-18 | 一种光伏组件清洗方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105827195B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788251A (zh) * | 2016-12-20 | 2017-05-31 | 杭州华电双冠能源科技有限公司 | 一种农户居家屋顶光伏电站检测系统及检测方法 |
CN106992753A (zh) * | 2017-05-17 | 2017-07-28 | 苏州富锐联自动化设备有限公司 | 高智能化太阳能光伏组件运维方法 |
CN107064165A (zh) * | 2017-05-23 | 2017-08-18 | 扬州鸿淏新能源科技有限公司 | 一种光伏组件表面积灰度在线检测装置及清洗方法 |
CN107181461A (zh) * | 2017-05-23 | 2017-09-19 | 青海大唐国际格尔木光伏发电有限责任公司 | 一种光伏组串清洗方法和装置 |
CN107222164A (zh) * | 2017-05-17 | 2017-09-29 | 苏州富锐联自动化设备有限公司 | 高控制化高智能化太阳能光伏组件运维方法 |
CN107818410A (zh) * | 2017-10-23 | 2018-03-20 | 长沙理工大学 | 一种光伏组件积灰程度远程智能诊断方法 |
CN107886191A (zh) * | 2017-10-20 | 2018-04-06 | 中冶华天南京电气工程技术有限公司 | 一种光伏组件清洗时机的判断方法 |
CN108390644A (zh) * | 2018-03-14 | 2018-08-10 | 重庆能源职业学院 | 一种光伏电站的清扫方法 |
CN109255921A (zh) * | 2018-11-13 | 2019-01-22 | 福州大学 | 一种基于分层模糊融合的多传感器火灾检测方法 |
CN110869679A (zh) * | 2017-07-19 | 2020-03-06 | 开利公司 | 雨致活的风扇系统 |
CN112350657A (zh) * | 2020-11-04 | 2021-02-09 | 刘铮 | 基于人工智能的清洁机器人清洁速率的调整方法及装置 |
CN112671337A (zh) * | 2020-12-29 | 2021-04-16 | 新奥数能科技有限公司 | 一种用于确定光伏板是否需要清洗的方法和装置 |
LU504113B1 (en) | 2023-02-23 | 2024-02-01 | Huaneng Renewables Corporation Ltd Hebei Branch | An automatic cleaning method for photovoltaic module |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2019433A1 (en) * | 2006-05-17 | 2009-01-28 | Eko Instruments Trading Co., Ltd | Apparatus for evaluating characteristics of solar cell |
CN103744294A (zh) * | 2014-01-28 | 2014-04-23 | 烟台龙源电力技术股份有限公司 | 基于模糊控制的多目标吹灰优化方法、服务器和系统 |
CN103840742A (zh) * | 2014-03-04 | 2014-06-04 | 常州恒大光伏科技有限公司 | 一种光伏组件的智能管理方法及系统 |
CN204036455U (zh) * | 2014-06-12 | 2014-12-24 | 安徽理工大学 | 一种清洁机器人智能控制系统 |
CN105159092A (zh) * | 2015-09-28 | 2015-12-16 | 光大环保技术研究院(深圳)有限公司 | 用于除尘器清灰的模糊控制方法及系统 |
-
2016
- 2016-03-18 CN CN201610155934.1A patent/CN105827195B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2019433A1 (en) * | 2006-05-17 | 2009-01-28 | Eko Instruments Trading Co., Ltd | Apparatus for evaluating characteristics of solar cell |
CN103744294A (zh) * | 2014-01-28 | 2014-04-23 | 烟台龙源电力技术股份有限公司 | 基于模糊控制的多目标吹灰优化方法、服务器和系统 |
CN103840742A (zh) * | 2014-03-04 | 2014-06-04 | 常州恒大光伏科技有限公司 | 一种光伏组件的智能管理方法及系统 |
CN204036455U (zh) * | 2014-06-12 | 2014-12-24 | 安徽理工大学 | 一种清洁机器人智能控制系统 |
CN105159092A (zh) * | 2015-09-28 | 2015-12-16 | 光大环保技术研究院(深圳)有限公司 | 用于除尘器清灰的模糊控制方法及系统 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788251A (zh) * | 2016-12-20 | 2017-05-31 | 杭州华电双冠能源科技有限公司 | 一种农户居家屋顶光伏电站检测系统及检测方法 |
CN106992753A (zh) * | 2017-05-17 | 2017-07-28 | 苏州富锐联自动化设备有限公司 | 高智能化太阳能光伏组件运维方法 |
CN107222164A (zh) * | 2017-05-17 | 2017-09-29 | 苏州富锐联自动化设备有限公司 | 高控制化高智能化太阳能光伏组件运维方法 |
CN107222164B (zh) * | 2017-05-17 | 2019-09-13 | 苏州富锐联自动化设备有限公司 | 高控制化高智能化太阳能光伏组件运维方法 |
CN106992753B (zh) * | 2017-05-17 | 2019-09-13 | 苏州富锐联自动化设备有限公司 | 高智能化太阳能光伏组件运维方法 |
CN107064165B (zh) * | 2017-05-23 | 2021-02-19 | 四川广目科技有限公司 | 一种光伏组件表面积灰度在线检测装置及清洗方法 |
CN107064165A (zh) * | 2017-05-23 | 2017-08-18 | 扬州鸿淏新能源科技有限公司 | 一种光伏组件表面积灰度在线检测装置及清洗方法 |
CN107181461A (zh) * | 2017-05-23 | 2017-09-19 | 青海大唐国际格尔木光伏发电有限责任公司 | 一种光伏组串清洗方法和装置 |
CN110869679B (zh) * | 2017-07-19 | 2024-03-26 | 开利公司 | 雨致活的风扇系统 |
US11454414B2 (en) | 2017-07-19 | 2022-09-27 | Carrier Corporation | Rain activated fan system |
CN110869679A (zh) * | 2017-07-19 | 2020-03-06 | 开利公司 | 雨致活的风扇系统 |
CN107886191A (zh) * | 2017-10-20 | 2018-04-06 | 中冶华天南京电气工程技术有限公司 | 一种光伏组件清洗时机的判断方法 |
CN107818410A (zh) * | 2017-10-23 | 2018-03-20 | 长沙理工大学 | 一种光伏组件积灰程度远程智能诊断方法 |
CN107818410B (zh) * | 2017-10-23 | 2021-12-14 | 长沙理工大学 | 一种光伏组件积灰程度远程智能诊断方法 |
CN108390644A (zh) * | 2018-03-14 | 2018-08-10 | 重庆能源职业学院 | 一种光伏电站的清扫方法 |
CN109255921A (zh) * | 2018-11-13 | 2019-01-22 | 福州大学 | 一种基于分层模糊融合的多传感器火灾检测方法 |
CN112350657A (zh) * | 2020-11-04 | 2021-02-09 | 刘铮 | 基于人工智能的清洁机器人清洁速率的调整方法及装置 |
CN112350657B (zh) * | 2020-11-04 | 2022-01-07 | 江苏始祖鸟智能科技有限公司 | 基于人工智能的清洁机器人清洁速率的调整方法及装置 |
CN112671337A (zh) * | 2020-12-29 | 2021-04-16 | 新奥数能科技有限公司 | 一种用于确定光伏板是否需要清洗的方法和装置 |
LU504113B1 (en) | 2023-02-23 | 2024-02-01 | Huaneng Renewables Corporation Ltd Hebei Branch | An automatic cleaning method for photovoltaic module |
Also Published As
Publication number | Publication date |
---|---|
CN105827195B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105827195A (zh) | 一种光伏组件清洗方法 | |
US11070056B1 (en) | Short-term interval prediction method for photovoltaic power output | |
CN108399493A (zh) | 积灰致光伏发电量损失预测方法及光伏组件清洗判断方法 | |
CN102930358B (zh) | 一种光伏电站发电功率的神经网络预测方法 | |
CN109214552A (zh) | 基于集成学习光伏预测的智能运维方法 | |
Oudjana et al. | Short term photovoltaic power generation forecasting using neural network | |
CN103105884B (zh) | 光伏发电系统最大功率点跟踪系统及方法 | |
Raza et al. | Demand forecast of PV integrated bioclimatic buildings using ensemble framework | |
CN105913151A (zh) | 基于自适应变异粒子群与bp网络光伏电站发电量预测方法 | |
CN105184678A (zh) | 基于多种神经网络组合算法的光伏电站发电量短期预测模型的构建方法 | |
CN107491833B (zh) | 一种光伏发电功率预测的方法和装置 | |
CN104408562A (zh) | 一种基于bp神经网络的光伏系统发电效率综合评估方法 | |
CN105069521A (zh) | 一种基于加权fcm聚类算法的光伏电站输出功率预测方法 | |
EP3640869A1 (en) | Method for predicting an energy demand, data processing system and renewable power plant with a storage | |
CN104050517A (zh) | 基于grnn神经网络的光伏发电预测方法 | |
CN105426989A (zh) | 基于eemd和组合核rvm的光伏功率短期预测方法 | |
Kanchana et al. | PV Power Forecasting with Holt-Winters Method | |
Li et al. | A novel framework for integrating solar renewable source into smart cities through digital twin simulations | |
CN104598969A (zh) | 一种基于神经网络的高压电器运行质量评估方法及系统 | |
Hussain et al. | A hybrid artificial neural network for grid-connected photovoltaic system output prediction | |
Zhen et al. | Multi-level wavelet decomposition based day-ahead solar irradiance forecasting | |
CN116485139A (zh) | 一种基于多特征融合的短期光伏发电量预测方法 | |
JP2021040451A (ja) | ソーラー装置の発電エフィシェンシーの異常の判断方法 | |
CN114626622A (zh) | 一种光伏功率预测方法、系统、装置及存储介质 | |
Sulaiman et al. | Hybridization of meta-evolutionary programming and artificial neural network for predicting grid-connected photovoltaic system output |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171121 |