CN107748966A - 一种太阳同步轨道卫星电源供电能力预测方法 - Google Patents
一种太阳同步轨道卫星电源供电能力预测方法 Download PDFInfo
- Publication number
- CN107748966A CN107748966A CN201711084972.3A CN201711084972A CN107748966A CN 107748966 A CN107748966 A CN 107748966A CN 201711084972 A CN201711084972 A CN 201711084972A CN 107748966 A CN107748966 A CN 107748966A
- Authority
- CN
- China
- Prior art keywords
- satellite
- power supply
- mrow
- power
- msup
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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"
Abstract
本发明公开了一种太阳同步轨道卫星电源系统供电能力预测方法,包括以下步骤:1、获取卫星上n条与供电阵和充电阵的输出功率有关的历史遥测参数数据;2、对所述遥测参数数据按时间标识i进行排序;3、计算卫星电源系统n条有效数据的历史输出功率Ei;4、定义一个卫星运动周期包括卫星处于一个光照区的供电阶段和处于阴影区的不供电阶段,并计算每个卫星运动周期的长度T以及平均周期5、取平均周期作为下一个预测周期,对下一个预测长度为的时间段内的时间点进行输出功率预测。本发明通过历史遥测数据提取卫星运动周期,并利用卫星电源系统供电周期性特征对未来时间段内的卫星供电系统输出功率进行预测。
Description
技术领域
本发明属于计算机领域,涉及一种太阳同步轨道卫星电源的供电能力预测方法。
背景技术
卫星电源是星上产生、储存、变换、调节和分配电能的分系统,其基本功能是通过某种物理变化或者化学变化将光能、化学能或核能转化成电能,根据需要进行储存、调节和变换,然后向卫星各系统供电。目前航天技术进入大规模开发和利用近地空间的新阶段,直接为国民经济和国防建设服务的各种应用卫星,正向高性能、多用途、长寿命方向发展。卫星的有效载荷日益增加,任务复杂多变,因此对电源系统的可靠性也将提出愈来愈高的要求。太阳同步轨道卫星应用最普遍的电源提供方法是太阳能的光伏转换,受卫星轨道条件、空间环境因素的影响,太阳同步轨道卫星在轨期间会多次进出地影区,电源系统供电能力也会因此呈现出连续变化状态,因此,需要一套有效的方法对太阳同步轨道卫星电源的供电能力进行有效预测,以保证卫星发射和在轨运行期间,电源系统供电能力能够满足要求,星上仪器设备能够正常工作。太阳同步轨道卫星在其全寿命周期内需接收地面不同指令,完成相应的任务,而不同任务的能耗需求不尽相同。为了实现卫星任务的提前规划,根据不同时间段内的供电能力对任务进行调度分配,发挥卫星最大工作能力、提高卫星工作效率,也需要一种有效的方法对卫星电源供电能力进行预测。除此之外,利用太阳同步卫星供电能力预测结果,能够对卫星电源的寿命及性能进行评价,为卫星设计者提供数据支撑以改进卫星电源的设计,推动航空航天技术的发展。
由于卫星所处空间环境的特殊性,现有太阳同步轨道卫星供电系统,大多设计采用太阳能电池阵——蓄电池组组合供电方法。卫星一次电源在轨长期工作,在光照期长期负载条件下,供电阵通过分流器为卫星供电,多余能量由分流器送回太阳电池阵以热量形式散出。充电阵则通过充电控制器为蓄电池组充电,多余充电电流由充电控制器送回太阳电池阵以热量形势散出。在光照期短期负载条件下,供电阵通过分流器为卫星供电,充电阵则通过放电调节器为卫星补充供电,若可以满足卫星的能量需求,多余的能量可以通过充电控制器为蓄电池组充电。若太阳能电池阵不能满足卫星的能量需求,蓄电池组通过放电调节器为卫星补充供电。由此可以看出,卫星所能提供的能源均来自供电阵和充电阵,因此,在对卫星供电能力预测时,主要以供电阵、充电阵供输出功率之和为卫星供电能力预测的研究对象。
目前,光伏供电能力预测主要集中在针对地面光伏电站开展,现有预测方法大致可分为两类:一是物理法,即基于太阳辐射强度和光伏发电系统模型的短期预测方法,其以电原理为基础,不需要历史运行数据,但太阳辐射强度的计算和推到较为复杂庞大,需要光伏电站详细的坐标、地形图、功率曲线及其它相关光电转换参数等。二是统计学方法,即通过历史数据进行分析预测。该类方法利用历史气象资料通过一定的数学统计预测理论及方法进行预测,虽然易于实现但对数据要求较高,预测准确度较低。由此可以看出,针对地面光伏电站的供电能力预测方法研究已经得到了广泛关注取得了一定的进展,但以太阳能作为能力来源的卫星供电系统尚未受到普遍关注,相关研究仅仅停留在电源系统设计阶段,国内外学者并未将关注点放到供电能力预测上。由于卫星所处于空间环境的特殊性以及遥测数据的复杂性,很难将现有地面光伏电站供电能力预测方法直接应用到卫星供电能力的预测上,需要对现有技术进行转化与改进,由此可见,目前针对卫星电源供电能力预测方法的研究仍处于空白阶段。
综上所述,已有的相关研究主要针对地面光伏发电进行预测,还是缺少针对太空环境下基于遥测参数信息的卫星电源供电能力预测研究。由于卫星运动具有较强的周期性,因此其供电能力也一般呈现周期性变化趋势,具体表现为当卫星轨道处于阴影区时,充电阵和供电阵的供电能力均为零;当卫星轨道处于光照区时,卫星充电阵和供电阵输出功率则为正,且在不同周期内呈现出相同的变化趋势。因此利用相关遥测数据对卫星运动周期进行提取,是进一步开展预测的重要基础。
本发明关注的卫星平台是典型的地球资源卫星平台,其采用太阳同步轨道,以太阳能为主要能源,卫星轨道面与太阳方向夹角近似保持不变,轨道倾角接近90°,可充分利用太阳能获得较大功率。所描述的卫星电源供电能力预测,是指通过相关历史遥测数据,提取卫星的运动周期,并利用卫星电源供电周期性特征对未来时间段内的卫星供电系统输出功率进行预测。
发明内容
针对现有技术存在的技术问题,本发明提出了一种通过历史遥测数据提取卫星运动周期,并利用卫星电源供电周期性特征对未来时间段内的卫星供电系统输出功率进行预测的一种太阳同步轨道卫星电源供电能力预测方法。
为解决上述技术问题,本发明采用以下技术方案:
一种太阳同步轨道卫星电源供电能力预测方法,包括以下步骤:
步骤1:获取卫星上n条与供电阵和充电阵的输出功率有关的历史遥测参数数据,所述遥测参数包括卫星充电阵电压CVi,卫星充电阵电流CIi,卫星供电阵电压PVi,卫星供电阵电流PIi;
步骤2:对所述遥测参数数据按时间标识i进行排序,所述时间标识i表示为:i=d×3600×24+t,其中,d表示日期,t表示时刻;
步骤3:计算卫星电源n条有效数据的历史输出功率Ei;Ei=CVi×CIi+PVi×PIi
步骤4:定义一个卫星运动周期包括卫星处于一个光照区的供电阶段和处于阴影区的不供电阶段,并计算每个卫星运动周期的长度T及平均周期长度
步骤5:取平均周期长度作为下一个预测周期长度,对下一个预测周期长度时间段内的时间点进行输出功率预测,取预测时间点在历史数据每个卫星运动周期中位置与之相对应的时间点的输出功率Ei’1,Ei'2,,,Ei'n-1,即
取集合M={Ei'k|Ei'k≠Nan},令mi'表示M内元素的中位数,作为在时间点i'的输出功率预测
作为本发明的进一步改进:
步骤4所述每个卫星运动周期的长度T的计算方法为:
步骤4.1:识别卫星处于光照区或阴影区;
令
当qi=1时,表示卫星处于光照区,当qi=0时,表示卫星处于阴影区,为卫星电源的历史输出功率的均值,
步骤4.2:提取卫星由光照区向阴影区的转换时刻,当qi-1-qi=1时,令a(k)=i,表示第k个周期中卫星由光照区向阴影区的转换时刻,依此类推,在n条有效数据中总共得到m个卫星由光照区向阴影区的转换时刻,组成序列:a(1),a(2)...,a(m);
步骤4.3:计算每个周期的长度T及平均周期
Tk=a(k+1)-a(k),k=1,2,,,m-1;
进一步地,步骤5中所述对下一个预测周期长度时间段内的时间点进行输出功率预测的预测方法为:
步骤5.1:计算预测时间点i'在历史数据每个运动周期中位置与之相对应的时间点的输出功率Ei'1,Ei'2,,,Ei'n-1,即
步骤5.2:预测时间点i'的输出功率:
令集合M={Ei'k|Ei'k≠Nan}表示预测时间点i'在各历史周期中相对应时间点的数据功率集,取mi'为M内元素的中位数,作为在时间点i'的输出功率预测
进一步地,所述步骤3还包括在计算历史输出功率之前剔除所接收的遥测历史数据中的离群点。
与现有技术相比,本发明的有益效果在于:
本发明一种太阳同步轨道卫星电源供电能力预测方法,由于卫星在不同运动周期内其供电能力呈现出周期性变化趋势,通过分析历史遥测数据提取卫星运动周期,并统计分析历史卫星运动周期的输出功率,具有可对未来时间段内的卫星供电系统输出功率进行预测的能力。
附图说明
图1为本发明的流程图。
图2为数据周期提取的结果图。
图3为预测结果对比图。
具体实施方式
本发明所用的实例数据来自某太阳同步卫星遥测数据,包含与数据采集时间、蓄电池组、卫星轨道位置、太阳能帆板、充电阵、供电阵、卫星零部件等有关的182个参数的遥测数据信息,共采用8131条历史数据进行预测。
图1至图3示出了本发明一种太阳同步轨道卫星电源供电能力预测方法的一种实施例,该方法包括以下步骤:步骤1:获取卫星上n条与供电阵和充电阵的供输出功率有关的历史遥测参数数据,所述遥测参数包括卫星充电阵电压CVi,卫星充电阵电流CIi,卫星供电阵电压PVi,卫星供电阵电流PIi;步骤2:对所述遥测参数数据按时间标识i进行排序;步骤3:计算卫星电源n条有效数据的历史输出功率Ei;步骤4:定义一个(卫星运动)周期包括卫星处于一个光照区的供电阶段和处于阴影区的不供电阶段,并计算每个(卫星运动)周期的长度T以及平均周期步骤5:取平均周期作为下一个预测周期,对下一个预测长度为的时间段内的时间点进行输出功率预测。由于卫星在不同运动周期内其供电能力呈现出周期性变化趋势,通过分析历史遥测数据提取卫星运动周期,并统计分析历史卫星运动周期的输出功率,具有可对未来时间段内的卫星供电系统输出功率进行预测的能力。
步骤1:获取卫星上n条与供电阵和充电阵的供输出功率有关的历史遥测数据参数,所述遥测参数包括卫星充电阵电压CVi,卫星充电阵电流CIi,卫星供电阵电压PVi,卫星供电阵电流PIi。本实施例中共获得182个与卫星相关的遥测数据参数。
步骤2:对所述遥测参数数据按时间标识i进行排序;本实施例中,所计算出来的时间标识i,时间信息和时间结果如表1所示。
表1遥测数据的时间信息及标识
步骤3:计算卫星电源n条有效数据的历史输出功率Ei;进行离群点的剔除,共筛选出5342条有效数,即n=5342,根据公式Ei=CVi×CIi+PVi×PIi计算卫星电源的历史输出功率Ei,参数及计算结果如表2所示。
表2电源系统相关参数及供电能力
步骤4:定义一个(卫星运动)周期包括卫星处于一个光照区的供电阶段和处于阴影区的不供电阶段,并计算每个(卫星运动)周期的长度T以及平均周期
步骤4.1:识别卫星处于光照区或阴影区;
令
当qi=1时,表示卫星处于光照区,当qi=0时,表示卫星处于阴影区,为卫星电源的历史输出功率的均值,
平均输出功率考虑到遥测数据的误差会造成卫星处于阴影区是发电量不等于零,因此将平均输出功率的十分之一作为区分光照区与阴影区的标准,当然此处也可以将平均输出功率的其他百分比作为光照区与阴影区的标准,根据精确度的需要进行调整,即将供电能力大于13.6的点认为是处于光照区的点,标识为1,供电能力小于13.6的点认为是处于阴影区的点,标识为0,标识结果如表3所示。
表3阴影区与光照区区分标识
时间标识i | 输出功率Ei | 所处区域 | 标识qi |
2196039709 | 0 | 阴影区 | 0 |
2196039710 | 0 | 阴影区 | 0 |
2196039711 | 0 | 阴影区 | 0 |
2196039712 | 0 | 阴影区 | 0 |
2196039725 | 727.9054 | 光照区 | 1 |
2196039729 | 792 | 光照区 | 1 |
… | … | … | … |
2196067834 | 1632.92 | 光照区 | 1 |
2196067992 | 1649.217 | 光照区 | 1 |
步骤4.2:提取卫星由光照区向阴影区的转换时刻,当qi-1-qi=1时,令a(k)=i,表示第k个周期中卫星由光照区向阴影区的转换时刻,依此类推,在n条有效数据中总共得到m个卫星由光照区向阴影区的转换时刻,组成序列:a(1),a(2)...,a(m);
将所有从光照区向阴影区转换节点的时间标识值i依此提取出来,即当qi-1-qi=1时,记录此时i的值,经计算共得34个数据,组成序列a(1),a(2)...,a(34),部分提取结果示例如表4所示。
表4光照区与阴影区交替节点时间标识提取示例
步骤4.3:计算每个周期的长度T及平均周期
Tk=a(k+1)-a(k),k=1,2,,,m-1;
根据公式Tk=a(k+1)-a(k),k=1,2,,,m-1提取出的时间标识计算每个周期T的长度,即T1=a(2)-a(1)=2196039893-2196039725=168,部分结果如表5所示。
表5光照区与阴影区交替节点时间标识提取示例
周期 | T1 | T2 | T3 | T4 | T5 |
周期的长度 | 168 | 157 | 164 | 185 | 183 |
周期长度的平均值
步骤5:取平均周期长度作为下一个预测周期,对下一个预测长度为的时间段内的时间点进行输出功率预测。以160个时点作为预测长度进行下一周期的预测,如要对预测时段内的第80个时点的卫星电源供电能进行预测,即对第i'=5285+80=5365个时点进行预测,则需要分别在33组历史数据中取出各自与i'之相对应时点的33个时间点的输出功率Ei'1,Ei'2,,,Ei'N。如,所要预测的i'在历史数据中的第一个周期内所对应的时点的输出功率为依此类推取出剩余32个周期内对应时点的历史输出功率组成集合M,取M内元素的中位数mi'=1583,mi'即为预测周期内第80个时点的输出功率。重复上述步骤直至求出预测周期中160个时点的输出功率值即为第34个周期的卫星供电系统输出功率预测结果。附图3为预测结果展示,其中蓝色部分为历史数据,红色部分为预测数据。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (4)
1.一种太阳同步轨道卫星电源供电能力预测方法,其特征在于:包括以下步骤:
步骤1:获取卫星上n条与供电阵和充电阵的输出功率有关的历史遥测参数数据,所述遥测参数包括卫星充电阵电压CVi,卫星充电阵电流CIi,卫星供电阵电压PVi,卫星供电阵电流PIi;
步骤2:对所述遥测参数数据按时间标识i进行排序,所述时间标识i表示为:i=d×3600×24+t,其中,d表示日期,t表示时刻;
步骤3:计算卫星电源系统n条有效数据的历史输出功率Ei;
Ei=CVi×CIi+PVi×PIi
步骤4:定义一个卫星运动周期包括卫星处于一个光照区的供电阶段和处于阴影区的不供电阶段,并计算每个卫星运动周期的长度T及平均周期长度
步骤5:取平均周期长度作为下一个预测周期长度,对下一个预测周期长度时间段内的时间点进行输出功率预测。
2.根据权利要求1所述的一种太阳同步轨道卫星电源供电能力预测方法,其特征在于:步骤4所述每个卫星运动周期的长度T的计算方法为:
步骤4.1:识别卫星处于光照区或阴影区;
令
当qi=1时,表示卫星处于光照区,当qi=0时,表示卫星处于阴影区,为卫星电源系统的历史输出功率的均值,
步骤4.2:提取卫星由光照区向阴影区的转换时刻,当qi-1-qi=1时,令a(k)=i,表示第k个周期中卫星由光照区向阴影区的转换时刻,依此类推,在n条有效数据中总共得到m个卫星由光照区向阴影区的转换时刻,组成序列:a(1),a(2)...,a(m);
步骤4.3:计算每个周期的长度T及平均周期T;
Tk=a(k+1)-a(k),k=1,2,,,m-1;
<mrow>
<mover>
<mi>T</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munder>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
3.根据权利要求2所述的一种太阳同步轨道卫星电源供电能力预测方法,其特征在于:步骤5中所述对下一个预测周期长度时间段内的时间点进行输出功率预测的预测方法为:
步骤5.1:计算预测时间点在历史数据每个卫星运动周期中位置与之相对应的时间点的输出功率Ei'1,Ei'2,,,Ei'n-1,即
<mrow>
<msub>
<mi>E</mi>
<mrow>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>E</mi>
<mrow>
<msup>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>+</mo>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo>/</mo>
<mover>
<mi>T</mi>
<mo>&OverBar;</mo>
</mover>
<mo>&rsqb;</mo>
</mrow>
</msub>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>,</mo>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
步骤5.2:预测时间点i'的输出功率:
令集合M={Ei'k|Ei'k≠Nan}表示预测时间点i'在各历史周期中相对应时间点的数据功率集,取mi'为M内元素的中位数,作为在时间点i'的输出功率预测
<mrow>
<msub>
<mi>E</mi>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
</msub>
<mo>=</mo>
<msub>
<mi>m</mi>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
</msub>
<mo>,</mo>
<mi>n</mi>
<mo>&le;</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>&le;</mo>
<mi>n</mi>
<mo>+</mo>
<mover>
<mi>T</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
4.根据权利要求1至3中任一项所述的一种太阳同步轨道卫星电源供电能力预测方法,其特征在于:所述步骤3还包括在计算历史输出功率之前剔除所接收的遥测历史数据中的离群点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711084972.3A CN107748966B (zh) | 2017-11-07 | 2017-11-07 | 一种太阳同步轨道卫星电源供电能力预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711084972.3A CN107748966B (zh) | 2017-11-07 | 2017-11-07 | 一种太阳同步轨道卫星电源供电能力预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107748966A true CN107748966A (zh) | 2018-03-02 |
CN107748966B CN107748966B (zh) | 2020-10-13 |
Family
ID=61250792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711084972.3A Active CN107748966B (zh) | 2017-11-07 | 2017-11-07 | 一种太阳同步轨道卫星电源供电能力预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107748966B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111415109A (zh) * | 2020-06-09 | 2020-07-14 | 中国人民解放军国防科技大学 | 一种数据驱动的对地观测卫星电源系统应急保障能力评估方法 |
Citations (4)
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 |
CN105958941A (zh) * | 2016-04-29 | 2016-09-21 | 航天东方红卫星有限公司 | 一种卫星电源系统特征参数计算及多圈能量平衡判定方法 |
CN107092994A (zh) * | 2017-06-21 | 2017-08-25 | 苏州协鑫新能源运营科技有限公司 | 一种预测供电量的方法 |
JP2017158386A (ja) * | 2016-03-04 | 2017-09-07 | 株式会社日立製作所 | 太陽光発電量推定装置および推定方法 |
-
2017
- 2017-11-07 CN CN201711084972.3A patent/CN107748966B/zh active Active
Patent Citations (4)
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 |
JP2017158386A (ja) * | 2016-03-04 | 2017-09-07 | 株式会社日立製作所 | 太陽光発電量推定装置および推定方法 |
CN105958941A (zh) * | 2016-04-29 | 2016-09-21 | 航天东方红卫星有限公司 | 一种卫星电源系统特征参数计算及多圈能量平衡判定方法 |
CN107092994A (zh) * | 2017-06-21 | 2017-08-25 | 苏州协鑫新能源运营科技有限公司 | 一种预测供电量的方法 |
Non-Patent Citations (1)
Title |
---|
魏传锋 等: "太阳同步卫星在轨运行温度预测", 《中国工程科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111415109A (zh) * | 2020-06-09 | 2020-07-14 | 中国人民解放军国防科技大学 | 一种数据驱动的对地观测卫星电源系统应急保障能力评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107748966B (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106849190B (zh) | 一种基于Rollout算法的多能互补微网实时调度方法 | |
Rathore et al. | Reliability assessment using probabilistic modelling of pumped storage hydro plant with PV-Wind based standalone microgrid | |
Palej et al. | Analysis and optimization of hybrid renewable energy systems | |
Kumar et al. | Techno-Economic Optimization of a Stand-alone PV/PHS/Battery systems for very low load situation | |
CN105337315A (zh) | 一种风光蓄互补独立微电网高维多目标优化配置方法 | |
CN106779250A (zh) | 一种基于新型优化模型的孤立分布式电网配置方法 | |
CN107748966A (zh) | 一种太阳同步轨道卫星电源供电能力预测方法 | |
Azizivahed et al. | Multi-area dynamic economic dispatch considering water consumption minimization, wind generation, and energy storage system | |
CN105488357B (zh) | 一种光热电站‑风电场联合系统的有功功率滚动调度方法 | |
CN104598687B (zh) | 水质监测用小型浮标动力源之光伏蓄电池供电系统的优化构建方法 | |
Khatibi et al. | An analysis for increasing the penetration of renewable energies by optimal sizing of pumped-storage power plants | |
Ismail et al. | Optimal configuration of hybrid renewable energy system for remote areas of Balochistan | |
Suthar et al. | Cost-effective energy management of grid-connected PV and BESS: a case study | |
CN116191493A (zh) | 一种火电机组深度调峰和复合储能协同规划方法与装置 | |
CN113298164B (zh) | 一种基于光伏出力不确定性的楼宇用能优化方法 | |
Pandey et al. | Study and modelling of green energy based micro-grid for rural area | |
Yang et al. | Coordinated optimal scheduling of multi-energy microgrid considering uncertainties | |
Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
Wang et al. | Optimal capacity allocation of wind-light-water multi-energy complementary capacity based on improved multi-objective optimization algorithm | |
Zvirgzdins et al. | Pumped-storage hydropower plants as enablers for transition to circular economy in energy sector: A case of Latvia | |
Moukhtar et al. | Concentrated solar power plants impact on PV penetration level and grid flexibility under Egyptian climate | |
Miras et al. | Sizing and siting of a concentrating solar power plant in an unbalanced radial distribution system | |
Anteneh et al. | Design and Optimized of Solar PV System a Case Study of KIOT Administration Offices | |
Golande et al. | Energy storage using pumped hydro storage based on standalone photovoltaic power generation system | |
Blakers et al. | The government is right to fund energy storage: a 100% renewable grid is within reach |
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 |