CN108390644B - 一种光伏电站的清扫方法 - Google Patents
一种光伏电站的清扫方法 Download PDFInfo
- Publication number
- CN108390644B CN108390644B CN201810207299.6A CN201810207299A CN108390644B CN 108390644 B CN108390644 B CN 108390644B CN 201810207299 A CN201810207299 A CN 201810207299A CN 108390644 B CN108390644 B CN 108390644B
- Authority
- CN
- China
- Prior art keywords
- cleaning
- day
- weather
- photovoltaic plant
- dust accumulation
- 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.)
- Active
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 237
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000000428 dust Substances 0.000 claims abstract description 73
- 238000009825 accumulation Methods 0.000 claims abstract description 51
- 230000008901 benefit Effects 0.000 claims abstract description 25
- 230000000712 assembly Effects 0.000 claims description 41
- 238000000429 assembly Methods 0.000 claims description 41
- 238000012360 testing method Methods 0.000 claims description 35
- 238000013517 stratification Methods 0.000 claims description 19
- 238000010248 power generation Methods 0.000 claims description 10
- 238000010408 sweeping Methods 0.000 claims description 9
- 230000002411 adverse Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000003595 mist Substances 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 claims 5
- 230000003203 everyday effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research 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
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- 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
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏电站的清扫方法,包括以下步骤:(1)建立比较标准;(2)建立清扫数据库;(3)执行清扫作业,同时采集输出功率求取性能差异平均值;(4)计算积尘损失系数;(5)计算累计积尘损失;(6)计算累计积尘损失(7)计算清扫经济效益;(8)判断是否达到执行清扫作业的条件。采用本发明提供的方法,平衡了增加发电量产生的效益与积尘清扫发生的费用之间的矛盾,显著提高了光伏电站的经济效益。同时,充分利用了雨、雪等自然天气对积尘的清扫作用,进一步提高了光伏电站的经济效益。
Description
技术领域
本发明涉及光伏电站的积尘清扫,具体为一种光伏电站的清扫方法。
背景技术
随着化石燃料资源的日益枯竭、环境污染的日趋恶化,以及人们对核电安全性的担忧,清洁、安全、用之不竭的新能源,特别是太阳能的开发利用越来越受到人们的青睐。人们早期直接、大规模利用太阳能的形式主要是光热转换,随着光伏发电技术的发展,成本的逐渐降低,利用太阳能发电已经越来越普及。目前,太阳能发电主要分为屋顶和大规模的地面电站,地面电站又以荒漠电站居多,且绝大多数为无人值守或少人值守。空气中的灰尘落在光伏组件表面,会导致组件接受的阳光减少,导致发电量减少,影响经济效益。
经检索,针对上述问题已有相关技术方案公开,ZL 201410077652.5,授权公告日为2016年1月20日,发明创造名称为:一种光伏组件的智能管理方法及系统,该案采集光伏组件的外部信息,根据外部信息得到实际I-V特征曲线,判断实际I-V特征曲线是否符合理论I-V特征曲线,若超出设定误差值,则利用自然法则原理进一步分析异常类型,若判断异常类型为积尘过多,则执行清扫作业,若判断异常类型为阴影遮盖,则不执行任何动作。该案对光伏组件故障、清洁度等进行实时监测以及自动清扫,达到光伏电站安全、高效、优质、智能、简便的运行管理,该案不足之处在于,未考虑清扫成本及经济效益,清扫后多发电的量而产生的经济效益甚至赶不上清扫而耗费的费用,同时,I-V特征曲线影响因素较多,每一块光伏组件的理论I-V特征曲线均有差异,对是否执行清扫作业易产生误判而造成清洗次数增多或发电量减少。
发明内容
本发明的目的在于提供一种光伏电站的清扫方法,考虑光伏电站的经济效益,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种光伏电站的清扫方法,包括以下步骤:
(1)在光伏电站选择两块光伏组件,其中一块作为为清洁组件,另一块作为测试组件,在所述清洁组件和测试组件上分别设置功率传感器;所述清洁组件和测试组件的输出特性保持一致,且处于同一光伏组串;对清洁组件除清扫日外的每天早上进行清洁;
所述清扫日为在该日早上对包括清洁组件和测试组件在内的、光伏电站的所有光伏组件进行清洁的日期;
(2)建立清扫数据库,该数据库的结构为{T,Q,F},该数据库每天一组记录,
其中:
T为日期字段,自动记录每天日期;
Q为积尘损失字段,单位为kWh,默认值为0;
F为清扫作业状态字段,F为0、1或2,0为未执行清扫作业状态,1为执行了清扫作业,2为当天实际发生自然清扫天气,F默认为0;
所述自然清扫天气是指以下气象天气类型之一:
阵雨、雷阵雨、雷阵雨伴有冰雹、中雨、大雨、大暴雨、特大暴雨、中雪、大雪、暴雪、中到大雨、大到暴雨、暴雨到大暴雨、大暴雨到特大暴雨、中到大雪或大到暴雪;
(3)在清扫日,执行清扫作业,同时在该清扫日的不同时段,同步采集清洁组件和测试组件的输出功率,按下式计算性能差异平均值DP:
式中:
N为清扫日的数据采集的总时段数,也是采集清洁组件输出功率的总个数,也是采集测试组件输出功率的总个数;
i为下标变量,i=1,2……,N;i也表示第i时段;
Pbi为清洁组件在第i时段的输出功率,单位为W;
Pci为测试组件在第i时段的输出功率,单位为W;
(4)在非清扫日的不同时段,同步采集清洁组件和测试组件的输出功率,按照下式计算当日的积尘损失系数S:
式中:
M为非清扫日的数据采集的总时段数,也是采集清洁组件输出功率的总个数,也是采集测试组件输出功率的总个数;
k为下标变量,i=1,2……,M;k也表示第k时段;
Pbk为清洁组件在第i时段的输出功率,单位为W;
Pck为测试组件在第i时段的输出功率,单位为W;
所述非清扫日为除所述清扫日以外的日期;
(5)在非清扫日的晚上,查找光伏电站当日的发电记录,获得当日发电量W,计算当日的积尘损失Qs:
Qs=D×S;
式中:
Qs为当日的积尘损失,单位为kWh;
D为当日发电量,单位为kWh;
S为当日的积尘损失系数;
将Qs存入清扫数据库当天记录中的积尘损失字段Q,查询光伏发电站的气象记录,如果发生了自然清扫天气,则将清扫数据库当天记录中的清扫作业状态字段F置为2;
(6)在非清扫日的晚上,查找清扫数据库,计算累计积尘损失Qw:
式中:
j为下标变量,j=1,2,3,……,Ts;
Ts为累计积灰天数,Ts单位为天,Ts≥1;
Qj为清扫数据库中第j天的积尘损失,Q0=0;
查找光伏电站的历史数据,获得距离当日日期Tp最近的清扫日期Tg1、获得距离当日日期Tp最近的自然清扫日期Tg2,计算累计积灰天数Ts:
Ts1=Tp-Tg1;
Ts2=Tp-Tg2;
取Ts为Ts1和Ts2中的最小值,Ts=min{Ts1,Ts2};
所述自然清扫日期是指光伏电站当天实际发生了自然清扫天气的日期;
(7)在非清扫日的晚上,计算清扫经济效益Y:
Y=L×Qw×P–R1–R2×Ts;
式中:
Y为清扫经济效益,单位为元;
L为预测系数,L为0.83~1.27;
P为光伏电站执行的综合电价,该综合电价包括每度电政府给予的补贴和市场销售价,单位为元/kWh;
R1为清扫日执行一次清扫作业所需的费用,单位为元;
R2为每天对清洁组件进行清扫所需的费用,单位为元/天;
(8)判断是否达到执行清扫作业的条件:
如果Y≥0,且光伏电站当地天气预报未来1~3天内无自然清扫天气且无沙尘暴,则第二天早上执行清扫作业,同时将清扫数据库第二天记录中的清扫作业状态字段F置1,第二天早上执行清扫作业的当日即为清扫日,在该清扫日执行步骤(3);
如果Y≥0,且光伏电站当地天气预报,如未来1~3天内有自然清扫天气或有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8);
如果Y<0,则不执行清扫作业,重复执行步骤(4)~(8)。
更进一步地,对清洁组件除清扫日外的每天早上进行清洁为自动定时清洁,自动定时清洁的装置为清扫机器人、机械自动清扫装置或自动喷水清扫装置。
更进一步地,步骤(1)中,清洁组件或测试组件距离光伏电站的光伏组件阵列中央最近。
更进一步地,步骤(8)中所述执行清扫作业的方式为人工清扫或自动清洁,所述自动清洁的装置为清扫机器人、机械自动清扫装置或自动喷水清扫装置。
更进一步地,步骤(7)中,确定预测系数L的具体步骤为:
查询光伏电站当地天气预报:
如未来3天内有有利天气,则L为0.87~0.98;
如未来3天内有晴朗天气,则L为0.96~1.00;
如未来3天内有自然清扫天气,则L为0.83~0.92;
如未来3天内有不利天气,则L为1.03~1.13;
所述有利天气为以下气象天气类型之一:雨夹雪、小雨、阵雪、小雪、冻雨、小到中雨或小到中雪;
所述晴朗天气为以下气象天气类型之一:晴、晴间多云或多云间晴;
所述不利天气为以下气象天气类型之一:多云、阴、阴间多云或雾。
更进一步地,步骤(8)中,在第二天早上执行清扫作业前查询光伏电站的前12小时内的实际气象记录,如实际发生自然清扫天气,则停止执行清扫作业,同时将清扫数据库当天记录中的清扫作业状态字段F置0,重复执行步骤(4)~(8)。
更进一步地,步骤(8)中,如果Y≥0,且光伏电站当地天气预报,如未来3天内有自然清扫天气或有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8)。
更进一步地,步骤(8)中,如果Y≥0,且光伏电站当地天气预报,如未来1天内有自然清扫天气或有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8)。
更进一步地,步骤(8)中,如果Y≥0,且光伏电站当地天气预报,如未来3天内有自然清扫天气或未来1天内有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8)。
采用本发明提供的方法,与现有技术相比,具有如下显著效果:本发明的一种光伏电站的清扫方法,平衡了增加发电量产生的效益与积尘清扫发生的费用之间的矛盾,显著提高了光伏电站的经济效益。同时,充分利用了雨、雪等自然天气对积尘的清扫作用,进一步提高了光伏电站的经济效益。本发明的本发明的一种光伏电站的清扫方法,避免了采用人为设定阈值(积尘厚度的阈值或积尘损失系数的阈值或积尘损失的阈值等)而造成的误判,因为阈值是很难合理、准确的确定的。
附图说明
图1为本发明的流程图。
具体实施方式
结合图1,本实施例的一种光伏电站的清扫方法,包括以下步骤:
(1)在光伏电站选择两块光伏组件,其中一块作为为清洁组件,另一块作为测试组件,为保证具有代表性,两块光伏组件选择在距离光伏电站的光伏组件阵列中央最近的位置,在清洁组件和测试组件上分别设置功率传感器以采集输出功率;清洁组件和测试组件的输出特性保持一致,且处于同一光伏组串,以尽量消除两块光伏组件的输出差异;对清洁组件除清扫日外的每天早上进行自动定时清洁,自动定时清洁的装置为清扫机器人、机械自动清扫装置或自动喷水清扫装置;光伏电站的清扫作业一般都在早上进行,以便获得更多的发电量。
所述清扫日为在该日早上对包括清洁组件和测试组件在内的、光伏电站的所有光伏组件进行清洁的日期,通过清扫日对积尘进行清扫,除去积尘,提高了发电量,同时保证了包括清洁组件和测试组件在内的、光伏电站的所有光伏组件的清洁状态一致,减少了误判。
(2)建立清扫数据库,该数据库的结构为{T,Q,F},该数据库每天一组记录,记录当天的日期、积尘损失和清扫作业状态;
其中:
T为日期字段,自动记录每天日期;
Q为积尘损失字段,单位为kWh,默认值为0;
F为清扫作业状态字段,F为0、1或2,0为未执行清扫作业状态,1为执行了清扫作业,2为当天实际发生自然清扫天气,F默认为0;
根据气象天气类型对积灰清扫作用、积灰因不同气象天气类型对发电量的影响、不同气象天气类型对积灰形成的影响,将气象天气类型划分如下:
第一种,自然清扫天气,是指以下气象天气类型之一:
阵雨、雷阵雨、雷阵雨伴有冰雹、中雨、大雨、大暴雨、特大暴雨、中雪、大雪、暴雪、中到大雨、大到暴雨、暴雨到大暴雨、大暴雨到特大暴雨、中到大雪或大到暴雪;
该种类型气象天气,对积灰具有很大的清扫作用,如出现这种类型气象天气,不需要安排清扫作业,能节约较大的清扫费用。
第二种,有利天气为以下气象天气类型之一:雨夹雪、小雨、阵雪、小雪、冻雨、小到中雨或小到中雪;
该种类型气象天气,对积灰具清扫作用,如出现这种类型气象天气,合理安排清扫作业,也能节约清扫费用。
第三种,所述晴朗天气为以下气象天气类型之一:晴、晴间多云或多云间晴;
该种类型气象天气的太阳辐射较强,穿透积灰层的能力也较强,积灰对发电量的影响较弱。
第四种,所述不利天气为以下气象天气类型之一:多云、阴、阴间多云或雾;
积灰对该种类型气象天气的不利影响较大。
第五种,沙尘暴,该种类型气象天气最易形成积灰,严重减少发电量。
(3)在清扫日,执行清扫作业,同时在该清扫日的不同时段,同步采集清洁组件和测试组件的输出功率,一般为每隔15分钟采集一次,在相同环境下,两块光伏组件的输出特性差异较小,这种差异随环境变化也较小,通过平均过滤掉随机误差,按下式计算性能差异平均值DP:
式中:
N为清扫日的数据采集的总时段数,也是采集清洁组件输出功率的总个数,也是采集测试组件输出功率的总个数,如从0:00~24:00每隔15分钟采集一次数据,则N=96;
i为下标变量,i=1,2……,N;i也表示第i时段,如从0:00~24:00每隔15分钟采集一次数据,i=36,也表示第36时段,也就是表示9:00时刻;
Pbi为清洁组件在第i时段的输出功率,单位为W;
Pci为测试组件在第i时段的输出功率,单位为W。
(4)在非清扫日的不同时段,同步采集清洁组件和测试组件的输出功率,清洁组件由于每天进行清洁而视为没有积尘,测试组件存在积尘,清洁组件和测试组件的输出功率之差扣除两块光伏组件的性能差异平均值DP即为积尘造成的功率损失,该功率损失除以清洁组件的输出功率即为当日的积尘损失系数,采用求平均方式排除随机误差,按照下式计算当日的积尘损失系数S:
式中:
M为非清扫日的数据采集的总时段数,也是采集清洁组件输出功率的总个数,也是采集测试组件输出功率的总个数;
k为下标变量,i=1,2……,M;k也表示第k时段,如从0:00~24:00每隔15分钟采集一次数据,i=37,也表示第37时段,也就是表示9:15时刻;
Pbk为清洁组件在第i时段的输出功率,单位为W;
Pck为测试组件在第i时段的输出功率,单位为W;
所述非清扫日为除所述清扫日以外的日期。
积尘对发电量的影响,受太阳辐照度、风速、风向、相对湿度、环境温度等外部环境的影响,采用当日的积尘损失系数,避免了外部环境造成的误差和误判,每天的积尘损失系数都不相同。
(5)在非清扫日的晚上,查找光伏电站当日的发电记录,获得当日发电量W,晚上光伏电站一般都停止了发电,晚上能真实获取当日发电量;
计算当日的积尘损失Qs:
Qs=D×S;
式中:
Qs为当日的积尘损失,单位为kWh;
D为当日发电量,单位为kWh;
S为当日的积尘损失系数;
将Qs存入清扫数据库当天记录中的积尘损失字段Q,查询光伏发电站的气象记录,如果发生了自然清扫天气,则将清扫数据库当天记录中的清扫作业状态字段F置为2;
(6)在非清扫日的晚上,查找清扫数据库,计算累计积尘损失Qw:
式中:
j为下标变量,j=1,2,3,……,Ts;
Ts为累计积灰天数,Ts单位为天,Ts≥1;
Qj为清扫数据库中第j天的积尘损失,Q0=0;
查找光伏电站的历史数据,获得距离当日日期Tp最近的清扫日期Tg1、获得距离当日日期Tp最近的自然清扫日期Tg2,计算累计积灰天数Ts:
Ts1=Tp-Tg1;
Ts2=Tp-Tg2;
取Ts为Ts1和Ts2中的最小值,Ts=min{Ts1,Ts2};
所述自然清扫日期是指光伏电站当天实际发生了自然清扫天气的日期。
(7)在非清扫日的晚上,计算清扫经济效益Y:
Y=L×Qw×P–R1–R2×Ts;
式中:
Y为清扫经济效益,单位为元;
L为预测系数,L为0.83~1.27;
P为光伏电站执行的综合电价,该综合电价包括政府给予的补贴和市场销售价,单位为元/kWh;
R1为清扫日执行一次清扫作业所需的费用,单位为元;
R2为每天对清洁组件进行清扫所需的费用,单位为元/天;
由于积尘而造成的累计积尘损失为Qw,发过来讲,如果进行清扫,则累计多发电为Qw并累计多获得收益Qw×P,扣除清扫费用(R1+R2×Ts)后即为清扫经济效益。
(8)判断是否达到执行清扫作业的条件:
如果Y≥0,表明积尘造成的损失大于等于所有清扫作业的费用,且光伏电站当地天气预报未来1~3天内无自然清扫天气,则第二天早上执行清扫作业,同时将清扫数据库第二天记录中的清扫作业状态字段F置1,第二天早上执行清扫作业的当日即为清扫日,在该清扫日(即第二天)执行步骤(3);在第二天早上执行清扫作业前查询光伏电站的前12小时内的实际气象记录,如实际发生自然清扫天气,充分利用自然清扫天气的清扫作用,停止执行清扫作业,同时将清扫数据库当天记录中的清扫作业状态字段F置0,重复执行步骤(4)~(8)。
如果Y≥0,且光伏电站当地天气预报,如未来1~3天内有自然清扫天气或有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8);由于自然清扫天气对积灰具有很大的清扫作用,已经达到执行清扫作业的条件,如果光伏电站当地天气预报未来1~3天内有自然清扫天气,不执行清扫专业,充分利用自然清扫天气的清扫作用以节约清扫费用,提高光伏电站的经济效益。由于沙尘暴天气最易形成积灰,严重减少发电量,沙尘暴后光伏电站必须及时进行清扫作业,因此等待沙尘暴后再及时执行清扫作业将节约清扫费用。虽然存在天气预报不准确的风险且会多产生积尘损失,但相对于获得的经济效益来讲,也是值得的,而且,科学技术的进步,天气预报的准确性也在不断提高。
如果光伏电站当地天气预报准确性较高,采用未来3天内的天气预报,反之,采用未来1天内的天气预报。
如果Y<0,表明积尘造成的损失小于所有清扫作业的费用,不执行清扫作业,重复执行步骤(4)~(8)。
执行清扫作业的方式为人工清扫或自动清洁,自动清洁的装置为清扫机器人、机械自动清扫装置或自动喷水清扫装置。
预测系数L主要由未来3天光伏电站当地天气预报确定,根据统计研究和实践经验,确定预测系数L的具体步骤为:
查询光伏电站当地天气预报:
如未来3天内有有利天气,则L为0.87~0.98,适当延迟清扫作业,减少清扫作业频率进行作业,利用有利天气对积灰具清扫作用,获得较好经济效益;
如未来3天内有晴朗天气,则L为0.98~1.02或L为1,正常进行清扫作业,清扫作业频率合适;
如未来3天内有自然清扫天气,则L为0.83~0.92,以延迟清扫作业,减少清扫作业频率进行作业,利用自然清扫天气对积灰具有很大的清扫作用,获得较好经济效益;
如未来3天内有不利天气,则L为1.03~1.13,以提前进行清扫作业,增加清扫作业频率进行作业。
预测系数L数值越大,清扫作业频率越大,反之,数值越小,清扫作业数值越小,预测系数L选取要考虑不同的期望目标,如果希望增加发电量,预测系数L取上限,但增加了清扫频率从而增加了清扫作业的成本,经济效益不太理想;如果希望提高经济效益,预测系数L取1或接近1的数值。预测系数L选取也要考虑光伏电站当地天气预报的准确性,如果准确性较高,预测系数L选取接近1的数值。
Claims (9)
1.一种光伏电站的清扫方法,其特征在于,包括以下步骤:
(1)在光伏电站选择两块光伏组件,其中一块作为为清洁组件,另一块作为测试组件,在所述清洁组件和测试组件上分别设置功率传感器;所述清洁组件和测试组件的输出特性保持一致,且处于同一光伏组串;对清洁组件除清扫日外的每天早上进行清洁;
所述清扫日为在该日早上对包括清洁组件和测试组件在内的、光伏电站的所有光伏组件进行清洁的日期;
(2)建立清扫数据库,该数据库的结构为{T,Q,F},该数据库每天一组记录,
其中:
T为日期字段,自动记录每天日期;
Q为积尘损失字段,单位为kWh,默认值为0;
F为清扫作业状态字段,F为0、1或2,0为未执行清扫作业状态,1为执行了清扫作业,2为当天实际发生自然清扫天气,F默认为0;
所述自然清扫天气是指以下气象天气类型之一:
阵雨、雷阵雨、雷阵雨伴有冰雹、中雨、大雨、大暴雨、特大暴雨、中雪、大雪、暴雪、中到大雨、大到暴雨、暴雨到大暴雨、大暴雨到特大暴雨、中到大雪或大到暴雪;
(3)在清扫日,执行清扫作业,同时在该清扫日的不同时段,同步采集清洁组件和测试组件的输出功率,按下式计算性能差异平均值DP:
式中:
N为清扫日的数据采集的总时段数,也是采集清洁组件输出功率的总个数,也是采集测试组件输出功率的总个数;
i为下标变量,i=1,2……,N;i也表示第i时段;
Pbi为清洁组件在第i时段的输出功率,单位为W;
Pci为测试组件在第i时段的输出功率,单位为W;
(4)在非清扫日的不同时段,同步采集清洁组件和测试组件的输出功率,按照下式计算当日的积尘损失系数S:
式中:
M为非清扫日的数据采集的总时段数,也是采集清洁组件输出功率的总个数,也是采集测试组件输出功率的总个数;
k为下标变量,i=1,2……,M;k也表示第k时段;
Pbk为清洁组件在第i时段的输出功率,单位为W;
Pck为测试组件在第i时段的输出功率,单位为W;
所述非清扫日为除所述清扫日以外的日期;
(5)在非清扫日的晚上,查找光伏电站当日的发电记录,获得当日发电量W,计算当日的积尘损失Qs:
Qs=D×S;
式中:
Qs为当日的积尘损失,单位为kWh;
D为当日发电量,单位为kWh;
S为当日的积尘损失系数;
将Qs存入清扫数据库当天记录中的积尘损失字段Q,查询光伏发电站的气象记录,如果发生了自然清扫天气,则将清扫数据库当天记录中的清扫作业状态字段F置为2;
(6)在非清扫日的晚上,查找清扫数据库,计算累计积尘损失Qw:
式中:
j为下标变量,j=1,2,3,……,Ts;
Ts为累计积灰天数,Ts单位为天,Ts≥1;
Qj为清扫数据库中第j天的积尘损失,Q0=0;
查找光伏电站的历史数据,获得距离当日日期Tp最近的清扫日期Tg1、获得距离当日日期Tp最近的自然清扫日期Tg2,计算累计积灰天数Ts:
Ts1=Tp-Tg1;
Ts2=Tp-Tg2;
取Ts为Ts1和Ts2中的最小值,Ts=min{Ts1,Ts2};
所述自然清扫日期是指光伏电站当天实际发生了自然清扫天气的日期;
(7)在非清扫日的晚上,计算清扫经济效益Y:
Y=L×Qw×P–R1–R2×Ts;
式中:
Y为清扫经济效益,单位为元;
L为预测系数,L为0.83~1.27;
P为光伏电站执行的综合电价,该综合电价包括每度电政府给予的补贴和市场销售价,单位为元/kWh;
R1为清扫日执行一次清扫作业所需的费用,单位为元;
R2为每天对清洁组件进行清扫所需的费用,单位为元/天;
(8)判断是否达到执行清扫作业的条件:
如果Y≥0,且光伏电站当地天气预报未来1~3天内无自然清扫天气且无沙尘暴,则第二天早上执行清扫作业,同时将清扫数据库第二天记录中的清扫作业状态字段F置1,第二天早上执行清扫作业的当日即为清扫日,在该清扫日执行步骤(3);
如果Y≥0,且光伏电站当地天气预报,如未来1~3天内有自然清扫天气或有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8);
如果Y<0,则不执行清扫作业,重复执行步骤(4)~(8)。
2.如权利要求1所述的一种光伏电站的清扫方法,其特征在于,所述步骤(7)中,确定预测系数L的具体步骤为:
查询光伏电站当地天气预报:
如未来3天内有有利天气,则L为0.87~0.98;
如未来3天内有晴朗天气,则L为0.96~1.00;
如未来3天内有自然清扫天气,则L为0.83~0.92;
如未来3天内有不利天气,则L为1.03~1.13;
所述有利天气为以下气象天气类型之一:雨夹雪、小雨、阵雪、小雪、冻雨、小到中雨或小到中雪;
所述晴朗天气为以下气象天气类型之一:晴、晴间多云或多云间晴;
所述不利天气为以下气象天气类型之一:多云、阴、阴间多云或雾。
3.如权利要求1所述的一种光伏电站的清扫方法,其特征在于,所述对清洁组件除清扫日外的每天早上进行清洁为自动定时清洁,自动定时清洁的装置为清扫机器人、机械自动清扫装置或自动喷水清扫装置。
4.如权利要求1所述的一种光伏电站的清扫方法,其特征在于,所述步骤(1)中,清洁组件或测试组件距离光伏电站的光伏组件阵列中央最近。
5.如权利要求1所述的一种光伏电站的清扫方法,其特征在于,所述步骤(8)中所述执行清扫作业的方式为人工清扫或自动清洁,所述自动清洁的装置为清扫机器人、机械自动清扫装置或自动喷水清扫装置。
6.如权利要求1或2所述的一种光伏电站的清扫方法,其特征在于,所述步骤(8)中,在第二天早上执行清扫作业前查询光伏电站的前12小时内的实际气象记录,如实际发生自然清扫天气,则停止执行清扫作业,同时将清扫数据库当天记录中的清扫作业状态字段F置0,重复执行步骤(4)~(8)。
7.如权利要求1或2所述的一种光伏电站的清扫方法,其特征在于,所述步骤(8)中,如果Y≥0,且光伏电站当地天气预报,如未来3天内有自然清扫天气或有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8)。
8.如权利要求1或2所述的一种光伏电站的清扫方法,其特征在于,所述步骤(8)中,如果Y≥0,且光伏电站当地天气预报,如未来1天内有自然清扫天气或有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8)。
9.如权利要求1或2所述的一种光伏电站的清扫方法,其特征在于,所述步骤(8)中,如果Y≥0,且光伏电站当地天气预报,如未来3天内有自然清扫天气或未来1天内有沙尘暴,则不执行清扫作业,重复执行步骤(4)~(8)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207299.6A CN108390644B (zh) | 2018-03-14 | 2018-03-14 | 一种光伏电站的清扫方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207299.6A CN108390644B (zh) | 2018-03-14 | 2018-03-14 | 一种光伏电站的清扫方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108390644A CN108390644A (zh) | 2018-08-10 |
CN108390644B true CN108390644B (zh) | 2019-07-19 |
Family
ID=63067275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810207299.6A Active CN108390644B (zh) | 2018-03-14 | 2018-03-14 | 一种光伏电站的清扫方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108390644B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109546954A (zh) * | 2018-11-19 | 2019-03-29 | 扬州工业职业技术学院 | 一种太阳能光伏板清洁智能控制系统及其控制方法 |
CN112581300A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 数据处理方法及装置 |
CN113393046A (zh) * | 2021-06-23 | 2021-09-14 | 阳光电源股份有限公司 | 一种光伏功率预测方法及其应用装置 |
CN114781179B (zh) * | 2022-05-12 | 2023-03-28 | 广东华矩检测技术有限公司 | 基于光纤通信信息采集光伏电站发电量损失核定方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9126341B1 (en) * | 2014-07-02 | 2015-09-08 | Ecoppia Scientific, Ltd. | Predictive maintenance and inferring patterns of solar panel cleaning systems |
CN105515509B (zh) * | 2015-11-10 | 2017-09-29 | 宁波市柯玛士太阳能科技有限公司 | 一种太阳能组件清洁方法 |
US20170194906A1 (en) * | 2015-12-31 | 2017-07-06 | UKC Electronics (H.K.) Co., Ltd. | Method and system for determining time point to clean solar cell module and solar cell module system by using the same |
CN105827195B (zh) * | 2016-03-18 | 2017-11-21 | 许继集团有限公司 | 一种光伏组件清洗方法 |
CN107040206B (zh) * | 2017-05-02 | 2018-09-07 | 东北电力大学 | 一种光伏电池板积灰状态监测系统与清洗周期优化方法 |
-
2018
- 2018-03-14 CN CN201810207299.6A patent/CN108390644B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108390644A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108390644B (zh) | 一种光伏电站的清扫方法 | |
Mohamed et al. | Effect of dust accumulation on performance of photovoltaic solar modules in Sahara environment | |
Schwingshackl et al. | Wind effect on PV module temperature: Analysis of different techniques for an accurate estimation | |
CN102566597B (zh) | 光伏发电智能自适应跟踪控制方法及控制系统 | |
CN107276079A (zh) | 一种智能清洁评估系统 | |
Jaszczur et al. | Study of dust deposition and temperature impact on solar photovoltaic module | |
Costa et al. | Impact of soiling on Si and CdTe PV modules: Case study in different Brazil climate zones | |
Warade et al. | Analysis of soiling losses for different cleaning cycles | |
GHAITAOUI et al. | Study and Simulation of Self-supply of a Building by Photovoltaic Energy | |
Adiyabat et al. | Evaluation of solar energy potential and PV module performance in the Gobi Desert of Mongolia | |
CN108696244B (zh) | 太阳能光伏发电系统的太阳能电池板清洗判定方法 | |
CN113849974B (zh) | 一种基于风光出力互补的新能源基地风电场选址方法 | |
Zdyb et al. | The influence of external conditions on the photovoltaic modules performance | |
Grammatico et al. | Quantifying the anti-soiling benefits of anti-reflective coatings on first solar cadmium telluride PV modules | |
Sinha et al. | Optimum tilt angles for maximum power generation by photovoltaic systems in western himalayan state Of himachal Pradesh, India | |
Al-Hilfi et al. | Comparison of different correlational techniques in estimating the total generated power of neighboring photovoltaic systems | |
Gao et al. | What's Wrong with my Solar Panels: a Data-Driven Approach. | |
Haque et al. | Energy Loss in Solar Photovoltaic Systems Under Snowy Conditions | |
CN111222763A (zh) | 一种光伏组件清洗决策工具 | |
Shijun et al. | The potential electricity generating capacity of BIPV in Hong Kong | |
Said et al. | Cleaning frequency of the solar PV power plant for maximum energy harvesting and financial profit | |
Jazayeri et al. | A case study on solar data collection and effects of the sun's position in the sky on solar panel output characteristics in Northern Cyprus | |
Kampira et al. | Experimental Design for Measuring the Effect of Soiling on Power Production of Solar Panels in Ghana | |
Costa et al. | Impact of Soiling Deposition on CdTe and Si PV Modules in Different Climate Zones in Brazil | |
De et al. | Improved shadow filtering and change-point detection methods to extract soiling loss from PV-SCADA data |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220706 Address after: 402260 No. 2-6, Fuyun Avenue, Shuangfu street, Jiangjin District, Chongqing (Building 1, experimental building of Chongqing energy Vocational College) Patentee after: Chongqing Biao Neng Ruiyuan Energy Storage Technology Research Institute Co.,Ltd. Address before: 402260 Shuangfu New District, Jiangjin District, Chongqing Patentee before: CHONG QING ENERGY College |