CN107341566A - 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 - Google Patents
基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 Download PDFInfo
- Publication number
- CN107341566A CN107341566A CN201710463873.XA CN201710463873A CN107341566A CN 107341566 A CN107341566 A CN 107341566A CN 201710463873 A CN201710463873 A CN 201710463873A CN 107341566 A CN107341566 A CN 107341566A
- Authority
- CN
- China
- Prior art keywords
- solar panel
- photovoltaic
- parameter
- photovoltaic system
- temperature
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 57
- 230000005855 radiation Effects 0.000 claims description 24
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000000843 powder Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 101000604223 Homo sapiens Nocturnin Proteins 0.000 claims description 3
- 102100038815 Nocturnin Human genes 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000000428 dust Substances 0.000 description 20
- 238000013517 stratification Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Photovoltaic Devices (AREA)
Abstract
一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特点是：包括现场数据采集系统和主控室数据处理系统，现场数据采集系统包括结构相同的第一至第N个监测单元，监测单元包括光伏子阵与汇流箱连接，汇流箱与智能电表相连，智能电表与监测仪相连，第一至第N个监测单元的监测仪之间通过无线串口模块进行通信；主控室数据处理系统包括数据接收处理器与采集卡相连，采集卡与工控机相连，气象仪的传感器与机箱相连，现场数据采集系统的第一至第N个监测单元的监测仪均与主控室数据处理系统的数据接收处理器之间通过无线串口模块进行通信。
Description
技术领域
本发明涉及光伏系统发电功率预测技术，特别是涉及一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法。
背景技术
近年来，在应对全球气候变暖的大背景下，大力发展可再生能源以替代化石能源已成为众多国家能源转型的大势所趋，节能环保的发电方式越来越受到各国的青睐。在目前众多备选的可再生能源类型中，太阳能无疑是未来世界最理想的能源之一，在各国中长期能源战略中占有重要地位，尤其是我国日渐严重的雾霾天气，促使我国在《电力发展“十三五”规划》中明确提出：十三五”期间，取消和推迟煤电建设项目1.5亿千瓦以上。到2020年，全国煤电装机规模力争控制在11亿千瓦以内，太阳能发电装机达到1.1亿千瓦以上，其中分布式光伏6000万千瓦以上、光热发电500万千瓦。但是，太阳光不稳定对电网产生冲击的缺点，这也是光伏发电面临的发展瓶颈。随着我国太阳能光伏装机容量的不断增加，发电规模也逐步扩大，当发电规模积累到一定数量级后，在电网中势必会影响其他传统旋转机组的调度，因此，如何精确的预测太阳能光伏系统发电功率成为亟待解决的技术问题。
预测光伏系统发电功率的关键在于获取气象参数和太阳电池板运行状态参数，后者包括积灰影响、热斑效应和自然衰减等。我国现有运行的光伏系统发电功率预测装置较少考虑太阳能电池板积灰影响、热斑效应和自然衰减。以积灰影响为例，NASA曾对来自火星和月球表面的灰尘颗粒物沉降对太阳能电池板的影响作了研究，并推导出当灰尘颗粒沉积量达到 3mg/cm2时，太阳能电池板的太阳透射率会降到50％。通过对全球范围内大规模光伏发电系统统计表明，积灰可导致太阳能电池板发电效率大幅度下降，光伏系统的年累计发电量降低 10％～25％。太阳电池板运行状态对光伏系统发电效率和发电量的影响包括以下三个方面：(1) 未考虑太阳能电池板运行状态参数来预测光伏系统发电功率是不精确的；(2)在太阳能电池板表面积灰污染程度不同的情况下，使用单一恒定的发电效率值计算得到的发电功率也是不准确的；(3)温度也是影响发电效率的一大因素，因为太阳能电池板工作温度不同，冬夏两个季节在相同的辐照度下，光伏系统发电功率相差也比较明显。因此，既考虑气象参数，又考虑太阳能电池板运行状态参数，提供一种根据太阳能电池板运行状态参数和气象参数的光伏系统电功率预测装置及其方法，将有助于提高大规模光伏系统电功率的预测时效性、精确性。
发明内容
本发明的构思基础是，针对光伏系统发电功率输出不稳定的特性，对传统光伏系统调度的影响以及现有光伏发电预测系统不准确的现状，1)本发明提出以太阳能电池板运行状态参数和气象参数为预测基础，运行状态参数包括太阳能电池板背板温度、其组成的光伏阵列的电压和电流，气象参数包括太阳能辐照度、环境温湿度、风速、风向、大气压力等，以此设计太阳能电池板运行状态参数和气象参数监测系统，为光伏系统发电功率预测系统提供参数支撑；2)本发明提出将太阳能电池板自然衰减、表面积灰和积灰状态下太阳能电池板热斑效应作为影响发电效率重要因素，通过太阳能电池板运行状态参数实时分析其发电效率，将其与电池额定工作温度条件发电效率对比分析，获取运行工况发电效率修正参数；基于实时气象参数，采用人工智能机器学习算法，实时预测基于气象参数的光伏系统发电功率，再联合太阳能光伏系统发电效率的修正参数，得到实时运行工况下光伏系统发电功率的精确预测值。
本发明的目的是，针对光伏系统，提供一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，并提供其方法，在基于气象参数的光伏系统发电功率预测的基础上，将太阳能电池板运行状态参数(包括电压、电流、背板温度等)作为影响发电效率的补充因素，旨在提高预测精度，建立更加精确的发电功率预测系统，让电力调度部门统筹规划常规能源发电与光伏系统发电之间的关系，准确及时调整发电计划，为科学发电优化调管设备提供依据，实现发电收益最大化。
实现本发明目的所采取的技术方案之一是：一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特征在于：它包括现场数据采集系统和主控室数据处理系统，所述现场数据采集系统包括结构相同的第一至第N个监测单元，所述监测单元包括光伏子阵与汇流箱连接，汇流箱与智能电表相连，智能电表与监测仪相连，在光伏子阵上设置的贴片式温度传感器与监测仪相连，第一至第N个监测单元的监测仪之间通过无线串口模块进行通信；所述主控室数据处理系统包括数据接收处理器与采集卡相连，采集卡与工控机相连，气象仪的风速传感器、风向传感器、温湿度传感器、散射辐射传感器、直接辐射传感器、太阳总辐射传感器与机箱相连，电池箱负责气象仪的供电，机箱与所述第N个监测单元的监测仪相连；所述现场数据采集系统的第一至第N个监测单元的监测仪均与所述主控室数据处理系统的数据接收处理器之间通过无线串口模块进行通信。
所述监测仪是采集现场数据的核心器件，使用STM32F103ZET6作为主控芯片，液晶显示器作为屏幕显示监测数据，使用智能电表监测光伏子阵的发电电压和电流，使用贴片式温度传感器监测光伏子阵的板背面温度，使用无线串口模块发射数据，数据传输顺序从第一至N 个监测单元的监测仪依次传输，发送给数据接收处理器。
所述智能电表串接入汇流箱监测电流，并接汇流箱输出端监测整个光伏子阵电压，智能电表与监测仪通过RS485的A、B信号线连接，使用ModbusRtu协议进行通信。
所述贴片式温度传感器通过单总线的通信方式实现数据传输。
所述气象仪的风速传感器监测光伏系统风速，风向传感器监测光伏系统风向，温湿度传感器监测光伏系统空气温湿度，散射辐射传感器监测光伏系统的散射辐射量，直接辐射传感器监测光伏系统的实时辐照度，太阳总辐射传感器监测光伏系统总的辐照度，电池箱负责气象仪的供电，机箱负责收集这些气象数据，并且将这些气象参数发送到第N个监测单元的监测仪，机箱与第N个监测单元的监测仪通过RS485的A、B信号线连接，使用ModbusRtu协议进行通信，然后由第N个监测单元的监测仪将气象参数发送给数据接收处理器。
所述采集卡包括数模转换模块和串口转换模块，其中数模转换模块将数据接收处理器发送来的电压信号转换成数字信号，然后通过RS485串行总线发送给串口转换模块，最后串口转换模块通过RS232串行总线将太阳能电池板的运行状态参数和气象参数发送给工控机。
所述工控机上安装有组态软件和人工智能机器学习计算软件，可以识别串口转换模块作为输入信号源，然后在组态软件上设置输入口的对应的参数类别，即可在工控机中显示、存储太阳能电池板的运行状态参数和气象参数，并基于这两类参数实时预测光伏系统发电功率。
实现本发明目的所采取的技术方案之二是：一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测方法，其特征在于：组合利用气象参数和太阳能电池板运行状态参数，通过人工智能机器学习算法和太阳能电池板发电效率计算方法，实时预测光伏系统发电功率，实现光伏系统发电功率短期精确预测、长期预报功能，整个预测方法由下述方程组定量描述：
运行工况太阳能电池板输出功率均值pout：
pout＝U1I1+U2I2+…+UnIn (1)
太阳能电池板面积Sa：
Sa＝Sin×B×n (2)
太阳能电池板入射光功率pin：
pin＝Sa×Gin (3)
运行工况下太阳能电池板发电效率η：
太阳能电池板背面温度Ta：
运行工况电池板额定工作温度条件(NOCT，辐照度800W/m2，风速1m/s，电池板温度45℃，环境温度20℃)下太阳能电池板发电效率ηm：
ηm＝η[1+(Ta-45)Kp] (6)
运行工况太阳能电池板发电效率修正参数Cp：
基于气象参数的太阳能电池板输出功率预测值Pm,out：
Pm,out＝F(气象参数，光伏系统结构参数，时间)·Cp (8)
光伏系统发电功率预测值P：
P＝Pm,out·Cinv·Ctrans (9)
其中，pout运行工况太阳能电池板输出功率均值，U1第一个光伏子阵发电电压，I1第一个光伏子阵发电电流，Un第n个光伏子阵发电电压，In第n个光伏子阵发电电流，n光伏子阵数量， Sa太阳能电池板总面积，Sin单块太阳能电池板有效发电面积，B光伏子阵中太阳能电池板数量，pin太阳能电池板总入射光功率，Gin辐照度，η运行工况下的太阳能电池板发电效率，Ta太阳能电池板背面温度，T1第一个光伏子阵中太阳能电池板的背面温度，Tn第n个光伏子阵中太阳能电池板的背面温度，ηm运行工况电池板额定工作温度条件下太阳能电池板发电效率， Kp功率温度系数，ηn设计工况电池板额定工作温度条件下太阳能电池板发电效率，Cp运行工况太阳能电池板发电效率修正参数，Pm,out基于气象参数的太阳能电池板输出功率预测值，F 人工智能机器学习算法，气象参数包括辐照度、环境温湿度、风速、风向、大气压力等，光伏系统结构参数包括光伏系统容量、太阳能电池板效率、面积和倾角等，P光伏系统发电功率预测值，Cinv光伏系统逆变系统效率，Ctrans光伏系统升压系统效率；运行中，通过监测辐照度、各光伏子阵的输出电压、电流，联立式(1)、式(2)、式(3)和式(4)，确定运行工况下太阳能电池板发电效率，再通过监测的太阳能电池板背板温度值，联立式(5)、式(6) 和式(7)，得出运行工况太阳能电池板发电效率修正参数，通过监测气象参数，采用人工智能机器学习算法，如逻辑回归、人工神经网络、支持向量机等算法，建立基于气象参数的太阳能电池板输出功率预测模型，再联立式(8)和式(9)，建立基于气象参数和太阳能电池板运行状态参数的预测模型。
本发明的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法的优点体现在：
一是本发明考虑积灰影响、热斑效应和自然衰减对太阳能电池板发电效率的影响，监测太阳能电池板运行状态参数，联合气象参数，通过人工智能机器学习算法，构建基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测模型；
二是本发明考虑太阳能电池板背板温度对发电效率的影响，监测太阳能电池板背面温度，使用温度系数实时计算太阳能电池板发电效率，国内现行的光伏发电预测系统大部分都只是根据气象参数来预测发电功率，使用的发电效率值没有根据实际的太阳能电池板运行状况进行修改，而是根据太阳能电池板生产厂家在电池额定工作温度条件下得到的标称效率，不同材料太阳能电池，其标称效率不同，一般商用的光伏组件，晶体硅电池为12％～18％；
三是本发明考虑积灰对透光率的影响，当灰尘颗粒沉积量达到一定浓度时，太阳能电池板的透射率会大幅度的降低，此时如果用太阳能直射传感器检测的辐照度去计算发电功率是不准确的，本发明首先在清洁的光伏子阵下记录发电效率，在太阳能电池板由清洁到污染的过程中，系统记录发电效率的降低曲线，由此得到发电效率和积灰程度的曲线关系，得到积灰程度、太阳能电池板发电效率的时变模型，可获得不同积灰时间内发电效率的修正参数，该参数可用于光伏系统发电功率的短期精确预测和长期预报功能
四是本发明的结构简单、合理，造价低廉，可实施性好，更重要的是提高了功率预测精度，减少了电网对光伏系统上网电量的限制。
附图说明
图1为基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置结构示意图；
图2为基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测算法流程图。
图中：1光伏子阵，2贴片式温度传感器，3汇流箱，4智能电表，5无线串口模块，6监测仪，9数据接收处理器，10采集卡，11工控机,12风速传感器,13风向传感器,14温湿度传感器,15散射辐射传感器,16直接辐射传感器,17太阳总辐射传感器,18电池箱,19机箱。
具体实施方式
下面利用附图和具体实施方式对本发明作进一步说明。
参照图1，一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，包括现场数据采集系统和主控室数据处理系统，所述现场数据采集系统包括结构相同的第一至第N个监测单元，所述监测单元包括光伏子阵1与汇流箱3连接，汇流箱3与智能电表4相连，智能电表4与监测仪6相连，在光伏子阵1上设置的贴片式温度传感器2与监测仪6相连，第一至第N个监测单元的监测仪6之间通过无线串口模块5进行通信；所述主控室数据处理系统包括数据接收处理器9与采集卡10相连，采集卡10与工控机11相连，气象仪的风速传感器12、风向传感器13、温湿度传感器14、散射辐射传感器15、直接辐射传感器16、太阳总辐射传感器17与机箱19相连，电池箱18负责气象仪的供电，机箱19与所述第N个监测单元的监测仪相连；所述现场数据采集系统的第一至第N个监测单元的监测仪均与所述主控室数据处理系统的数据接收处理器9之间通过无线串口模块5进行通信。
所述监测仪6是采集现场数据的核心器件，使用STM32F103ZET6作为主控芯片，液晶显示器作为屏幕显示监测数据，使用智能电表4监测光伏子阵的发电电压和电流，使用贴片式温度传感器2监测光伏子阵1的板背面温度，使用无线串口模块5发射数据，数据传输顺序从一至N个监测单元的监测仪依次传输，发送给数据接收处理器9。
所述智能电表4串接入汇流箱3监测电流，并接汇流箱3输出端监测整个光伏子阵1电压，智能电表4与监测仪6通过RS485的A、B信号线连接，使用ModbusRtu协议进行通信。
所述贴片式温度传感器2通过单总线的通信方式实现数据传输。
所述气象仪的风速传感器12监测光伏系统风速，风向传感器13监测光伏系统风向，温湿度传感器14监测光伏系统空气温湿度，散射辐射传感器15监测光伏系统的散射辐射量，直接辐射传感器16监测光伏系统的实时辐照度，太阳能总辐射传感器17监测光伏系统总的辐照度，电池箱18负责气象仪的供电，机箱19负责收集这些气象数据，并且将这些气象参数发送到第N个监测单元的监测仪，机箱19与第N个监测单元的监测仪通过RS485的A、B信号线连接，使用ModbusRtu协议进行通信，然后由第N个监测单元的监测仪将气象参数发送给数据接收处理器9。
所述采集卡10包括数模转换模块和串口转换模块，其中数模转换模块将数据接收处理器9发送来的电压信号转换成数字信号，然后通过RS485串行总线发送给串口转换模块，最后串口转换模块通过RS232串行总线将太阳能电池板的运行状态参数和气象参数发送给工控机11。
所述工控机上安装有组态软件和人工智能机器学习计算软件，可以识别串口转换模块作为输入信号源，然后在组态软件上设置输入口的对应的参数类别，即可在工控机中显示、存储太阳能电池板的运行状态参数和气象参数，并基于这两类参数实时预测光伏系统发电功率。
现有的人工智能预测模型主要以历史发电量、辐射量、大气温度、湿度等作为输入量，称之为结合气象参数预测的发电功率系统，此预测系统既未考虑温度对光电转换效率的影响，又未考虑积灰对透光性的影响，也没考虑太阳能电池板本身衰减的影响，所以计算光伏发电功率使用的发电效率是不准确的。本发明的一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测方法，其特征在于：组合利用气象参数和太阳能电池板运行状态参数，通过人工智能机器学习算法和太阳能电池板发电效率计算方法，实时预测光伏系统发电功率，实现光伏系统发电功率短期精确预测、长期预报功能，整个预测方法由下述方程组定量描述：
运行工况太阳能电池板输出功率均值pout：
pout＝U1I1+U2I2+…+UnIn (1)
太阳能电池板总面积Sa：
Sa＝Sin×B×n (2)
太阳能电池板总入射光功率pin：
pin＝Sa×Gin (3)
运行工况下太阳能电池板发电效率η：
太阳能电池板背面温度Ta：
运行工况电池板额定工作温度条件(NOCT，辐照度800W/m2，风速1m/s，电池板温度45℃，环境温度20℃)下太阳能电池板发电效率ηm：
ηm＝η[1+(Ta-45)Kp] (6)
运行工况太阳能电池板发电效率修正参数Cp：
基于气象参数的太阳能电池板输出功率预测值Pm,out：
Pm,out＝F(气象参数，光伏系统结构参数，时间)·Cp (8)
光伏系统发电功率预测值P：
P＝Pm,out·Cinv·Ctrans (9)
其中，pout运行工况太阳能电池板输出功率均值，U1第一个光伏子阵发电电压，I1第一个光伏子阵发电电流，Un第n个光伏子阵发电电压，In第n个光伏子阵发电电流，n光伏子阵数量，Sa太阳能电池板总面积，Sin单块太阳能电池板有效发电面积，B光伏子阵中太阳能电池板数量，pin太阳能电池板总入射光功率，Gin辐照度，η运行工况下的太阳能电池板发电效率，Ta太阳能电池板背面温度，T1第一个光伏子阵中太阳能电池板的背面温度，Tn第n个光伏子阵中太阳能电池板的背面温度，ηm运行工况电池板额定工作温度条件下太阳能电池板发电效率，Kp功率温度系数，ηn设计工况太阳能电池板额定工作温度条件效率，Cp运行工况太阳能电池板发电效率修正参数，Pm,out基于气象参数的太阳能电池板输出功率预测值，F人工智能机器学习算法，气象参数包括辐照度、环境温湿度、风速、风向、大气压力等，光伏系统结构参数包括光伏系统容量、太阳能电池板效率、面积和倾角等，P光伏系统发电功率预测值，Cinv光伏系统逆变系统效率，Ctrans光伏系统升压系统效率；运行中，通过监测辐照度、各光伏子阵的输出电压、电流，联立式(1)、式(2)、式(3)和式(4)，确定运行工况下太阳能电池板发电效率，再通过监测的太阳能电池板背板温度值，联立式(5)、式(6)和式(7)，得出运行工况太阳能电池板发电效率修正参数，通过监测气象参数，采用人工智能机器学习算法，如逻辑回归、人工神经网络、支持向量机等算法，建立基于气象参数的太阳能电池板输出功率预测模型，再联立式(8)和式(9)，建立基于气象参数和太阳能电池板运行状态参数的预测模型。
本发明的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，针对现有光伏系统发电功率预测系统预测误差大的缺点，提出基基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，现有光伏系统发电功率预测模型主要以历史发电量、辐照度、大气温度、湿度等作为输入量，称之为基于气象参数的发电功率预测系统，此预测系统既未考虑温度对太阳能电池板发电效率的影响，又未考虑积灰对太阳能电池板透光率的影响，也没考虑太阳能电池板自然衰减的影响，所以使用未修正过的发电效率计算光伏系统发电功率误差较大。本发明的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，在人工智能机器学习算法预测的基础上，根据太阳能电池板背板温度、积灰和自然衰减对发电效率的影响，建立发电效率修正模型，得到更加精确的预测系统。
本发明的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置包括现场数据采集系统和主控室数据处理系统，现场数据采集系统使用监测仪监测太阳能电池板运行状态参数和气象参数，太阳能电池板运行状态参数包括光伏子阵的发电电压、电流和太阳能电池板背板温度，气象参数包括辐照度、环境温湿度、风速、风向、大气压力等；主控室数据处理系统利用监测仪发回的数据计算实时的太阳能电池板发电效率，根据温度对发电效率的影响模型，计算在电池板额定工作温度条件的发电效率，最后将推算后的发电效率与标称效率进行比值，得到发电效率和积灰程度的关系模型。如此可实现：①更加精确的光伏系统发电功率预测模型；②量化积灰对发电量的影响，对比清洗费用和可多发电量产生的效益，合理安排清洗日期，达到光伏系统的最大化效益。
本发明的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，使用现场数据采集系统监测太阳能电池板运行状态参数和气象参数，监测仪使用STM32F103ZET6 作为主控芯片，数据处理速度快，外设功能齐全，使用无线串口发送数据，独立于光伏系统的数据传输电缆，避免了在光伏系统铺设电缆，便于系统安装和使用；使用组态软件配合数据采集卡提取监测的数据，保证数据稳定输入。
实施方式中监测仪6和数据接收处理器9为自主开发，其它设备均为市售产品。
以上内容是结合具体的实施方式对本发明所作的进一步说明，不能认定本发明的具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (8)
1.一种基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特征在于：它包括现场数据采集系统和主控室数据处理系统，所述现场数据采集系统包括结构相同的第一至第N个监测单元，所述监测单元包括光伏子阵与汇流箱连接，汇流箱与智能电表相连，智能电表与监测仪相连，在光伏子阵上设置的贴片式温度传感器与监测仪相连，第一至第N个监测单元的监测仪之间通过无线串口模块进行通信；所述主控室数据处理系统包括数据接收处理器与采集卡相连，采集卡与工控机相连，气象仪的风速传感器、风向传感器、温湿度传感器、散射辐射传感器、直接辐射传感器、太阳总辐射传感器与机箱相连，电池箱负责气象仪的供电，机箱与所述第N个监测单元的监测仪相连；所述现场数据采集系统的第一至第N个监测单元的监测仪均与所述主控室数据处理系统的数据接收处理器之间通过无线串口模块进行通信。
2.根据权利要求1所述的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特征在于：所述监测仪是采集现场数据的核心器件，使用STM32F103ZET6作为主控芯片，液晶显示器作为屏幕显示监测数据，使用智能电表监测光伏子阵的发电电压和电流，使用贴片式温度传感器监测光伏子阵的板背面温度，使用无线串口模块发射数据，数据传输顺序从第一至N个监测单元的监测仪依次传输，发送给数据接收处理器。
3.根据权利要求2所述的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特征在于：所述智能电表串接入汇流箱监测电流，并接汇流箱输出端监测整个光伏子阵电压，智能电表与监测仪通过RS485的A、B信号线连接，使用ModbusRtu协议进行通信。
4.根据权利要求2所述的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特征在于：所述贴片式温度传感器通过单总线的通信方式实现数据传输。
5.根据权利要求1所述的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特征在于：所述气象仪的风速传感器监测光伏系统风速，风向传感器监测光伏系统风向，温湿度传感器监测光伏系统空气温湿度，散射辐射传感器监测光伏系统的散射辐射量，直接辐射传感器监测光伏系统的实时辐照度，太阳总辐射传感器监测光伏系统总的辐照度，电池箱负责气象仪的供电，机箱负责收集这些气象数据，并且将这些气象参数发送到第N个监测单元的监测仪，机箱与第N个监测单元的监测仪通过RS485的A、B信号线连接，使用ModbusRtu协议进行通信，然后由第N个监测单元的监测仪将气象参数发送给数据接收处理器。
6.根据权利要求1所述的一种太阳能光伏板发电效率在线监测系统，其特征在于：所述采集卡包括数模转换模块和串口转换模块，其中数模转换模块将数据接收处理器发送来的电压信号转换成数字信号，然后通过RS485串行总线发送给串口转换模块，最后串口转换模块通过RS232串行总线将太阳能电池板的运行状态参数和气象参数发送给工控机。
7.根据权利要求1所述的一种太阳能光伏板发电效率在线监测系统，其特征在于：所述工控机上安装有组态软件和人工智能机器学习计算软件，可以识别串口转换模块作为输入信号源，然后在组态软件上设置输入口的对应的参数类别，即可在工控机中显示、存储太阳能电池板的运行状态参数和气象参数，并基于这两类参数实时预测光伏系统发电功率。
8.根据权利要求1所述的基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置，其特征在于：组合利用气象参数和太阳能电池板运行状态参数，通过人工智能机器学习算法和太阳能电池板发电效率计算方法，实时预测光伏系统发电功率，实现光伏系统发电功率短期精确预测、长期预报功能，整个预测方法由下述方程组定量描述：
运行工况太阳能电池板输出功率均值pout：
pout＝U1I1+U2I2+…+UnIn (1)
太阳能电池板总面积Sa：
Sa＝Sin×B×n (2)
太阳能电池板总入射光功率pin：
pin＝Sa×Gin (3)
运行工况下太阳能电池板发电效率η：
<mrow>
<mi>&eta;</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>p</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
太阳能电池板背面温度Ta：
<mrow>
<msub>
<mi>T</mi>
<mi>a</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>T</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mo>...</mo>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>n</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
运行工况电池板额定工作温度条件(NOCT，辐照度800W/m2，风速1m/s，电池板温度45℃，环境温度20℃)下太阳能电池板发电效率ηm：
ηm＝η[1+(Ta-45)Kp] (6)
运行工况太阳能电池板发电效率修正参数Cp：
<mrow>
<msub>
<mi>C</mi>
<mi>p</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&eta;</mi>
<mi>m</mi>
</msub>
<msub>
<mi>&eta;</mi>
<mi>n</mi>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
基于气象参数的太阳能电池板输出功率预测值Pm,out：
Pm,out＝F(气象参数，光伏系统结构参数，时间)·Cp (8)
光伏系统发电功率预测值P：
P＝Pm,out·Cinv·Ctrans (9)
其中，pout运行工况太阳能电池板输出功率均值，U1第一个光伏子阵发电电压，I1第一个光伏子阵发电电流，Un第n个光伏子阵发电电压，In第n个光伏子阵发电电流，n光伏子阵数量，Sa太阳能电池板总面积，Sin单块太阳能电池板有效发电面积，B光伏子阵中太阳能电池板数量，pin太阳能电池板总入射光功率，Gin辐照度，η运行工况下的太阳能电池板发电效率，Ta太阳能电池板背面温度，T1第一个光伏子阵中太阳能电池板的背面温度，Tn第n个光伏子阵中太阳能电池板的背面温度，ηm运行工况电池板额定工作温度条件下太阳能电池板发电效率，Kp功率温度系数，ηn设计工况电池板额定工作温度条件下太阳能电池板发电效率，Cp运行工况太阳能电池板发电效率修正参数，Pm,out基于气象参数的太阳能电池板输出功率预测值，F人工智能机器学习算法，气象参数包括辐照度、环境温湿度、风速、风向、大气压力等，光伏系统结构参数包括光伏系统容量、太阳能电池板效率、面积和倾角等，P光伏系统发电功率预测值，Cinv光伏系统逆变系统效率，Ctrans光伏系统升压系统效率；运行中，通过监测辐照度、各光伏子阵的输出电压、电流，联立式(1)、式(2)、式(3)和式(4)，确定运行工况下太阳能电池板发电效率，再通过监测的太阳能电池板背板温度值，联立式(5)、式(6)和式(7)，得出运行工况太阳能电池板发电效率修正参数，通过监测气象参数，采用人工智能机器学习算法，如逻辑回归、人工神经网络、支持向量机等算法，建立基于气象参数的太阳能电池板输出功率预测模型，再联立式(8)和式(9)，建立基于气象参数和太阳能电池板运行状态参数的预测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710463873.XA CN107341566B (zh) | 2017-06-19 | 2017-06-19 | 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710463873.XA CN107341566B (zh) | 2017-06-19 | 2017-06-19 | 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107341566A true CN107341566A (zh) | 2017-11-10 |
| CN107341566B CN107341566B (zh) | 2020-07-24 |
Family
ID=60220427
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710463873.XA Active CN107341566B (zh) | 2017-06-19 | 2017-06-19 | 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107341566B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053061A (zh) * | 2017-12-08 | 2018-05-18 | 天津大学 | 一种基于改进卷积神经网络的太阳能辐照度预测方法 |
| CN108494364A (zh) * | 2018-04-09 | 2018-09-04 | 珠海格力电器股份有限公司 | 一种光伏组件温度监测系统和方法 |
| CN108988787A (zh) * | 2018-10-08 | 2018-12-11 | 珠海格力电器股份有限公司 | 光伏组件检测设备、方法和光伏系统 |
| CN109743019A (zh) * | 2018-12-21 | 2019-05-10 | 中国计量大学 | 基于气象因素的热斑温度预测及热斑定位的系统和方法 |
| CN110034726A (zh) * | 2019-04-03 | 2019-07-19 | 陈二东 | 一种基于人工智能的太阳能发电系统 |
| CN110190811A (zh) * | 2019-07-09 | 2019-08-30 | 河北工业职业技术学院 | 太阳能电池板在线监测系统以及设备 |
| CN111258335A (zh) * | 2020-01-19 | 2020-06-09 | 广州发展新能源股份有限公司 | 一种光伏跟踪优化方法、装置、系统和存储介质 |
| CN111852596A (zh) * | 2020-06-29 | 2020-10-30 | 东北电力大学 | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 |
| CN113065982A (zh) * | 2021-04-22 | 2021-07-02 | 东北电力大学 | 一种基于密集残差网络的积灰光伏板功率预测系统及方法 |
| CN113092321A (zh) * | 2021-03-31 | 2021-07-09 | 东北电力大学 | 一种基于功率衰减的光伏板积灰浓度检测系统及方法 |
| TWI740649B (zh) * | 2020-09-17 | 2021-09-21 | 行政院原子能委員會核能研究所 | 找出發電設備的最佳清理時間點之方法 |
| CN113984831A (zh) * | 2021-12-27 | 2022-01-28 | 湖南大学 | 半透明光伏组件太阳得热系数的确定方法、装置和设备 |
| CN114329983A (zh) * | 2021-12-30 | 2022-04-12 | 东北电力大学 | 一种基于离散元素法的光伏板积灰清洁装置与方法 |
| CN114638463A (zh) * | 2021-12-17 | 2022-06-17 | 国网山东省电力公司潍坊供电公司 | 一种精细化光伏容量配置方案生成方法及系统 |
| CN117631718A (zh) * | 2024-01-15 | 2024-03-01 | 广州菲利斯太阳能科技有限公司 | 一种适用于光伏储能微电网的电池板管理系统 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022266212A1 (en) * | 2021-06-16 | 2022-12-22 | Conti SPE, LLC. | Solar module racking system |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103166240A (zh) * | 2011-12-15 | 2013-06-19 | 中国科学院电工研究所 | 并网太阳能光伏电站监测系统 |
| CN103488864A (zh) * | 2013-07-04 | 2014-01-01 | 清华大学 | 一种风光储联合发电系统风险的评估方法 |
| US20160098768A1 (en) * | 2014-10-07 | 2016-04-07 | Solarcity Corporation | Measuring and assessing power generated by a renewable power system |
| CN206162654U (zh) * | 2016-10-10 | 2017-05-10 | 江苏百瑞自动化科技有限公司 | 一种光伏电站组件环境功率预测系统 |
-
2017
- 2017-06-19 CN CN201710463873.XA patent/CN107341566B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103166240A (zh) * | 2011-12-15 | 2013-06-19 | 中国科学院电工研究所 | 并网太阳能光伏电站监测系统 |
| CN103488864A (zh) * | 2013-07-04 | 2014-01-01 | 清华大学 | 一种风光储联合发电系统风险的评估方法 |
| US20160098768A1 (en) * | 2014-10-07 | 2016-04-07 | Solarcity Corporation | Measuring and assessing power generated by a renewable power system |
| CN206162654U (zh) * | 2016-10-10 | 2017-05-10 | 江苏百瑞自动化科技有限公司 | 一种光伏电站组件环境功率预测系统 |
Non-Patent Citations (2)
| Title |
|---|
| ANURAG KOUSHAL ETC: "Performance Analysis of Photovoltaic System under Thermal Conditions", 《IEEE INTERNATIONAL CONFERENCE ON POWER ELECTRONICS,INTELLIGENT CONTROL AND ENERGY SYSTEMS》 * |
| 孙丽娜 等: "基于网络服务器的光伏发电短期功率预测研究与应用", 《电器与能效管理技术》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053061B (zh) * | 2017-12-08 | 2021-08-31 | 天津大学 | 一种基于改进卷积神经网络的太阳能辐照度预测方法 |
| CN108053061A (zh) * | 2017-12-08 | 2018-05-18 | 天津大学 | 一种基于改进卷积神经网络的太阳能辐照度预测方法 |
| CN108494364A (zh) * | 2018-04-09 | 2018-09-04 | 珠海格力电器股份有限公司 | 一种光伏组件温度监测系统和方法 |
| CN108988787A (zh) * | 2018-10-08 | 2018-12-11 | 珠海格力电器股份有限公司 | 光伏组件检测设备、方法和光伏系统 |
| CN109743019A (zh) * | 2018-12-21 | 2019-05-10 | 中国计量大学 | 基于气象因素的热斑温度预测及热斑定位的系统和方法 |
| CN109743019B (zh) * | 2018-12-21 | 2023-09-19 | 中国计量大学 | 基于气象因素的热斑温度预测及热斑定位的系统和方法 |
| CN110034726A (zh) * | 2019-04-03 | 2019-07-19 | 陈二东 | 一种基于人工智能的太阳能发电系统 |
| CN110190811A (zh) * | 2019-07-09 | 2019-08-30 | 河北工业职业技术学院 | 太阳能电池板在线监测系统以及设备 |
| CN111258335A (zh) * | 2020-01-19 | 2020-06-09 | 广州发展新能源股份有限公司 | 一种光伏跟踪优化方法、装置、系统和存储介质 |
| CN111852596A (zh) * | 2020-06-29 | 2020-10-30 | 东北电力大学 | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 |
| CN111852596B (zh) * | 2020-06-29 | 2023-04-18 | 东北电力大学 | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 |
| TWI740649B (zh) * | 2020-09-17 | 2021-09-21 | 行政院原子能委員會核能研究所 | 找出發電設備的最佳清理時間點之方法 |
| CN113092321A (zh) * | 2021-03-31 | 2021-07-09 | 东北电力大学 | 一种基于功率衰减的光伏板积灰浓度检测系统及方法 |
| CN113092321B (zh) * | 2021-03-31 | 2023-04-11 | 东北电力大学 | 一种基于功率衰减的光伏板积灰浓度检测系统及方法 |
| CN113065982A (zh) * | 2021-04-22 | 2021-07-02 | 东北电力大学 | 一种基于密集残差网络的积灰光伏板功率预测系统及方法 |
| CN114638463A (zh) * | 2021-12-17 | 2022-06-17 | 国网山东省电力公司潍坊供电公司 | 一种精细化光伏容量配置方案生成方法及系统 |
| CN113984831A (zh) * | 2021-12-27 | 2022-01-28 | 湖南大学 | 半透明光伏组件太阳得热系数的确定方法、装置和设备 |
| CN113984831B (zh) * | 2021-12-27 | 2022-03-22 | 湖南大学 | 半透明光伏组件太阳得热系数的确定方法、装置和设备 |
| CN114329983A (zh) * | 2021-12-30 | 2022-04-12 | 东北电力大学 | 一种基于离散元素法的光伏板积灰清洁装置与方法 |
| CN117631718A (zh) * | 2024-01-15 | 2024-03-01 | 广州菲利斯太阳能科技有限公司 | 一种适用于光伏储能微电网的电池板管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107341566B (zh) | 2020-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107341566A (zh) | 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 | |
| Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
| Zhang et al. | A review of urban energy systems at building cluster level incorporating renewable-energy-source (RES) envelope solutions | |
| Chow et al. | Short-term prediction of photovoltaic energy generation by intelligent approach | |
| CN101728984B (zh) | 并网型光伏电站发电功率预测方法 | |
| CN105656197A (zh) | 一种分布式光伏电站智能运维系统和方法 | |
| CN102545707B (zh) | 以发电单元为基本预测单元的发电功率预测方法及系统 | |
| CN103942440A (zh) | 一种光伏电站实时发电效率计算方法 | |
| CN107040206A (zh) | 一种光伏电池板积灰状态监测系统与清洗周期优化方法 | |
| CN104767483B (zh) | 一种光热特性耦合光伏电池温度预测方法 | |
| CN114021420A (zh) | 一种分布式光伏超短期发电功率预测方法及系统 | |
| CN102841611A (zh) | 基于光伏电站监控系统的电池组件自动跟踪方法及其系统 | |
| CN105512760A (zh) | 基于神经网络的光伏电站发电量的计算方法及系统 | |
| CN201298055Y (zh) | 一种风电资源的实时监测装置 | |
| Kichou et al. | Energy performance enhancement of a research centre based on solar potential analysis and energy management | |
| Zhang et al. | Forecasting the energy and economic benefits of photovoltaic technology in China’s rural areas | |
| CN107064165A (zh) | 一种光伏组件表面积灰度在线检测装置及清洗方法 | |
| CN109060618A (zh) | 一种光伏发电功率预测装置及方法 | |
| CN105160595A (zh) | 基于多时间尺度出力评估的分布式光伏窃电监管方法 | |
| Ahamed et al. | Optimization of Hybrid Microgrid of Renewable Energy Efficiency Using Homer Software | |
| CN209233491U (zh) | 一种户级的光伏电站管理系统 | |
| Bagwari et al. | Solar energy technology: step towards bright future of the world | |
| CN109830981A (zh) | 一种户级的光伏电站管理系统及其控制方法 | |
| CN205160470U (zh) | 一种多角度光伏数据采集箱 | |
| Mitrofanov et al. | Operation of solar power plant with solar tracker in orenburg region during the winter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Cao Shengxian Inventor after: Zhao Bo Inventor after: Wang Zhi Inventor after: Ding Ruoheng Inventor after: Fan Siyuan Inventor after: Wang Gong Inventor after: Lv Changqi Inventor before: Zhao Bo Inventor before: Wang Zhi Inventor before: Ding Ruoheng Inventor before: Fan Siyuan Inventor before: Cao Shengxian Inventor before: Wang Gong Inventor before: Lv Changqi |