CN108829943A - 一种航天器太阳电池阵布片方案的优化方法 - Google Patents

一种航天器太阳电池阵布片方案的优化方法 Download PDF

Info

Publication number
CN108829943A
CN108829943A CN201810527381.7A CN201810527381A CN108829943A CN 108829943 A CN108829943 A CN 108829943A CN 201810527381 A CN201810527381 A CN 201810527381A CN 108829943 A CN108829943 A CN 108829943A
Authority
CN
China
Prior art keywords
solar battery
battery array
submatrix
pieces
cloth scheme
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.)
Pending
Application number
CN201810527381.7A
Other languages
English (en)
Inventor
张东来
杨炀
李安寿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN201810527381.7A priority Critical patent/CN108829943A/zh
Publication of CN108829943A publication Critical patent/CN108829943A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明提供了一种航天器太阳电池阵布片方案的优化方法，包括以下步骤：S1、对太阳电池阵的光照条件进行枚举，采用加权功率总和和加权功率波动两个指标来对太阳电池阵布片方案的输出电性能进行评价；S2、用双行数码对太阳电池阵布片方案进行数字化编码；S3、利用遗传算法对太阳电池阵布片方案进行优化。本发明的有益效果是：（1）本发明的太阳电池阵布片方案的优化方法能在不增加额外元件、不需要改变控制算法的情况下，提升部分遮挡条件下航天电源系统太阳电池阵输出能力、减少输出波动；（2）本发明中使用双目标遗传算法对太阳电池阵布片方案进行优化，并能定量对比不同的布片方案，深度探索各种可能解并最终输出一组优化解。

Description

一种航天器太阳电池阵布片方案的优化方法
技术领域
本发明涉及航天器，尤其涉及一种航天器太阳电池阵布片方案的优化方法。
背景技术
对大部分航天器，太阳电池阵是唯一能源提供者。太阳电池阵由多个太阳电池片串联形成电池串，再将多个电池串并联组成。由于电池串输出电流受制于其中输出最小的电池片，当单片太阳电池被完全遮挡时，尽管在每一片(或数片)电池片上并联旁路二极管可避免遮挡时串联组件输出电流的减少，但仍会造成组件输出电压的下降。文献《局部阴影遮挡的太阳电池组件输出特性实验研究》(期刊：太阳能学报，2012,33(01):5–12.)、《一种航天器太阳电池阵供电能力计算方法》(期刊：北京航空航天大学学报，2017,43(7):1355–1363.)均指出，部分遮挡造成的太阳电池阵输出功率损失量，并非遮挡面积的简单函数，而是与被遮挡太阳电池片在电路中的具体位置有关。且当阴影在太阳电池阵上移动时，还会造成输出功率波动。因此需要采取手段尽量减少部分遮挡时的输出功率损失和影响。
在地面应用中，为了减少部分遮挡时的功率损失，可通过最大功率点跟踪、分布式MPPT、动态重配置等手段来实现。但这些方法都要求增加电子元件和复杂的控制策略，在航天应用中，这意味着系统变得更加复杂、可靠性降低、发射重量增加以及需要使用昂贵的宇航级微控制器。
文献《高分三号卫星太阳电池阵设计与验证》(期刊：航天器工程,2017,26(6):113–118.)中，通过调整太阳电池串布局方向、增加电池串联片数、将关键部分的电池串布置在太阳阵外板区域来尽量减少遮挡影响。方法具有工程实用意义，但未对不同的布片方案进行定量比较和深度优化。
发明内容
为了解决现有技术中的问题，本发明提供了一种航天器太阳电池阵布片方案的优化方法，能够解决现有技术中需要增加元器件和复杂的控制策略，无法量化对比不同的布片方案并深度优化的问题。
本发明提供了一种航天器太阳电池阵布片方案的优化方法，包括以下步骤：
S1、对太阳电池阵的光照条件进行枚举，采用加权功率总和和加权功率波动两个指标来对太阳电池阵布片方案的输出电性能进行评价；
S2、用双行数码对太阳电池阵布片方案进行数字化编码；
S3、利用遗传算法对太阳电池阵布片方案进行优化。
作为本发明的进一步改进，步骤S1包括
定量评价太阳电池阵布片方案的性能，根据不同光照条件出现的概率，以及各光照条件向相邻光照条件转换的概率，进行加权计算，其包括如下步骤：
步骤A1，根据该航天器的任务轨道或计划，计算可能出现的所有光照条件并记为Ij(j＝1,2,…,n)；
步骤A2，计算每一种光照条件的出现概率Wj；
步骤A3，根据该航天器电源系统、外形特征，计算在光照条件Ij下，太阳电池阵上因航天器本体结构相互遮挡造成的阴影图形，并进一步计算此时太阳电池阵可输出功率Pj；
步骤A4，计算评价该太阳电池阵布片方案输出能力的指标，加权功率总和：
步骤A5，列出所有与光照条件Ij相邻的光照条件Ijk，k＝1,2,…,mj，以及从Ij转换到Ijk的概率Wjk和Ijk光照条件下，太阳电池阵输出功率Pjk，计算评价该太阳电池阵布片方案输出稳定性的指标，加权功率波动：
作为本发明的进一步改进，步骤S2包括以下子步骤：
步骤B1，记太阳电池阵尺寸为p×q，将其随机划分为p×1,p×2,p×3…等不同尺寸的子阵，子阵中排布不同尺寸的矩形太阳电池串，排布时需要满足两个约束：
(1)子阵必须被填充满；
(2)在不切割太阳电池串的情况下，子阵无法被切分成更小的子阵；
步骤B2，对尺寸为p×k(k＝1,2,…)的子阵，满足约束的排布方案是有限的，对不同k取值时的方案分别进行编号，构成编码的基本元素；
步骤B3，太阳电池阵布片方案的编码由其各个子阵的尺寸和子阵排布方案序号组成。
作为本发明的进一步改进，步骤S3中，使用双目标遗传算法来探索大量的太阳电池阵布片方案并从中演化、筛选出优胜方案，其包括如下子步骤：
步骤E1，令t＝1，并初始化最优集
步骤E2，随机生成N个太阳电池阵布片方案，记为Gt；
步骤E3，计算Gt中每个解的目标函数WPS和WPV；
步骤E4，对本代解与上代的最优集合并进行非支配排序，得到本代最优集Pt；
步骤E5，如果达到预设的代数上限，则终止迭代，输出最优解集Pt；
步骤E6，如果最优集连续K代没有变化，即Pt＝Pt-1＝…＝Pt-K+1，则令t＝t+1，并回到步骤E2；
步骤E7，从Pt中属于Gt的个体中挑选(1-a)×N个拥挤距离较大的个体，从Pt中不属于Gt的个体中随机选a×N个拥挤距离较大的个体，若Pt中属于Gt的个体总数少于(1-a)×N则从Pt中随机选取补足，这N个解一起作为父代个体集；
步骤E8，对父代个体进行交叉和变异，产生子代个体集，记为Gt+1；
步骤E9，令t＝t+1，并回到步骤E3。
作为本发明的进一步改进，步骤E8中的对父代个体进行交叉为使用单点交叉法对太阳电池阵布片方案编码进行交叉以产生新的候选解集，其包括如下步骤：
步骤C1，随机产生一个数CX作为交叉点；
步骤C2，如果CX小于父代个体1最左侧的子阵尺寸，则令CX等于该子阵尺寸；
步骤C3，检查CX与父代个体2最右侧子阵尺寸的关系，确保至少有一个完整子阵处于CX右侧；
步骤C4，将父代个体1中，完整处于CX左侧的子阵复制到子代个体中，将父代个体2中，完整处于CX右侧的子阵复制到子代个体中；
步骤C5，子代个体中部空白处使用随机生成的子阵填充。
作为本发明的进一步改进，步骤E8中的对父代个体进行变异为用变异方法对太阳电池阵布片方案编码进行变异以产生新的候选解集，其包括如下步骤：
步骤D1，随机选择一个子阵；
步骤D2，若子阵尺寸大于1，则随机决定采取合并还是分裂的方式，若子阵尺寸等于1，则采取合并的方式；
步骤D3，若是合并，则随机选择子阵左侧或右侧的另一个子阵合并一起并删去原有编码，若是分裂，则直接将该子阵的编码删去；
步骤D4，使用随机生成的子阵填充空白处。
本发明的有益效果是：
(1)本发明的太阳电池阵布片方案的优化方法能在不增加额外元件、不需要改变控制算法的情况下，提升部分遮挡条件下航天电源系统太阳电池阵输出能力、减少输出波动；
(2)本发明中使用双目标遗传算法对太阳电池阵布片方案进行优化，并能定量对比不同的布片方案，深度探索各种可能解并最终输出一组优化解。
附图说明
图1是本发明一种航天器太阳电池阵布片方案的优化方法的优化框架流程图。
图2是本发明一种航天器太阳电池阵布片方案的优化方法的双目标遗传算法流程图。
图3是本发明提供的以16×4子阵为例满足约束的所有排布方案图。
图4是本发明提供的以16×32的太阳电池阵为例的布片方案编码图。
图5是本发明提供的交叉方法的示例(CX＝12)图。
图6是本发明提供的变异方法(合并)的示例图。
图7是本发明提供的变异方法(分裂)的示例图。
具体实施方式
下面结合附图说明及具体实施方式对本发明作进一步说明。
如图1至图7所示，一种航天器太阳电池阵布片方案的优化方法，包括以下步骤：
S1、对太阳电池阵的光照条件进行枚举，采用加权功率总和和加权功率波动两个指标来对太阳电池阵布片方案的输出电性能进行评价；
S2、用双行数码对太阳电池阵布片方案进行数字化编码；
S3、利用遗传算法对太阳电池阵布片方案进行优化。
本实施例中，对具体航天任务中太阳电池阵的光照条件进行枚举，采用两个指标来对太阳电池阵布片方案的输出电性能进行评价；用双行数码对布片方案进行数字化编码；利用遗传算法对布片方案进行优化。本发明的方法能提升部分遮挡时太阳电池阵的输出电性能，且无需增加元器件、不改变控制方法。其完整优化框架流程如图1所示。
在本发明中定量评价指标包括加权功率总和与加权功率波动，计算时考虑了具体航天任务中所有可能的光照条件及其出现概率，以及每一光照条件向其相邻光照条件转换的概率，其包括如下步骤：
步骤A1，根据该航天器的任务轨道或计划，计算可能出现的所有光照条件并记为Ij(j＝1,2,…,n)；
步骤A2，计算每一种光照条件的出现概率Wj；
步骤A3，根据该航天器电源系统、外形特征，计算在光照条件Ij下，太阳电池阵上因航天器本体结构相互遮挡造成的阴影图形，并进一步计算此时太阳电池阵可输出功率Pj；
步骤A4，计算评价该太阳电池阵布片方案输出能力的指标，加权功率总和
步骤A5，列出所有与光照条件Ij相邻的光照条件Ijk，k＝1,2,…,mj，以及从Ij转换到Ijk的概率Wjk和Ijk光照条件下，太阳电池阵输出功率Pjk，计算评价该太阳电池阵布片方案输出稳定性的指标，加权功率波动
在对太阳电池阵布片方案进行数字编码时，使用双行数码进行编码，其包括如下步骤：
步骤B1，记太阳电池阵尺寸为p×q，将其随机划分为p×1,p×2,p×3…等不同尺寸的子阵，子阵中排布不同尺寸的矩形太阳电池串。排布时需要满足两个约束：
(1)子阵必须被填充满；
(2)在不切割太阳电池串的情况下，子阵无法被切分成更小的子阵。例如，两个尺寸为p×1的电池串组成的p×2的子阵，可以分割为两个p×1的子阵；但由两个(p/2)×2电池串组成的p×2子阵则不可分割；
步骤B2，对尺寸为p×k(k＝1,2,…)的子阵，满足约束的排布方案是有限的。对不同k取值时的方案分别进行编号，构成编码的基本元素，以16×4子阵为例，其满足约束的排布方案共4个，如图3所示，依次编号为方案1、方案2、方案3、方案4；
步骤B3，太阳电池阵布片方案的编码由其各个子阵的尺寸和子阵排布方案序号组成，以16×32太阳电池阵为例，其一种布片方案图及编码如图4所示。
在产生新的候选解集时，使用改进的单点交叉法对布片方案编码进行交叉，其包括如下步骤：
步骤C1，随机产生一个数CX作为交叉点；
步骤C2，如果CX小于父代个体1最左侧的子阵尺寸，则令CX等于该子阵尺寸；
步骤C3，类似地，检查CX与父代个体2最右侧子阵尺寸的关系，确保至少有一个完整子阵处于CX右侧；
步骤C4，将父代个体1中，完整处于CX左侧的子阵复制到子代个体中，将父代个体2中，完整处于CX右侧的子阵复制到子代个体中；
步骤C5，子代个体中部空白处使用随机生成的子阵填充。
以CX＝12时为例，两个父代布片方案交叉得到一个子代布片方案如图5所示。
在产生新的候选解集时，使用特有的变异方法对布片方案编码进行变异，其包括如下步骤：
步骤D1，随机选择一个子阵；
步骤D2，若子阵尺寸大于1，则随机决定采取合并还是分裂的方式，若子阵尺寸等于1，则采取合并的方式；
步骤D3，若是合并，则随机选择子阵左侧或右侧的另一个子阵合并一起并删去原有编码，若是分裂，则直接将该子阵的编码删去；
步骤D4，使用随机生成的子阵填充空白处。
对子阵进行变异，过程中采用合并方式的示例如图6所示。对子阵进行变异，过程中采用分裂方式的示例如图7所示。
在探索布片方案并从中演化、筛选出优胜方案时，使用双目标遗传算法，其包括如下步骤：
步骤E1，令t＝1，并初始化最优集
步骤E2，随机生成N个布片方案，记为Gt；
步骤E3，计算Gt中每个解的目标函数WPS和WPV；
步骤E4，对本代解与上代的最优集合并进行非支配排序，得到本代最优集Pt；
步骤E5，如果达到预设的代数上限，则终止迭代，输出最优解集Pt；
步骤E6，如果最优集连续K代没有变化，即Pt＝Pt-1＝…＝Pt-K+1，则令t＝t+1，并回到步骤步骤E2；
步骤E7，从Pt中属于Gt的个体中挑选(1-a)×N个拥挤距离较大的个体，从Pt中不属于Gt的个体中随机选a×N个拥挤距离较大的个体，若Pt中属于Gt的个体总数少于(1-a)×N则从Pt中随机选取补足，这N个解一起作为父代个体集；
步骤E8，对父代个体进行交叉和变异，产生子代个体集，记为Gt+1；
步骤E9，令t＝t+1，并回到步骤E3。
该过程的流程图如图2所示。
本发明提供的一种航天器太阳电池阵布片方案的优化方法，能在不增加额外元件、不需要改变控制算法的情况下，提升部分遮挡条件下航天电源系统太阳电池阵输出能力、减少输出波动。
本发明提供的一种航天器太阳电池阵布片方案的优化方法，以加权功率总和与加权功率波动两个定量指标评价航天器太阳电池阵布片方案，可帮助技术人员和优化算法获得定量分析对比结果，更准确、有效地评价不同的布片方案。
本发明提供的一种航天器太阳电池阵布片方案的优化方法，通过优化太阳电池阵布片方案来改善部分遮挡时航天电源系统太阳电池阵输出电性能的方法，该方法对具体航天任务中太阳电池阵的光照条件进行枚举，采用两个指标来对太阳电池阵布片方案的输出电性能进行评价；用双行数码对布片方案进行数字化编码；利用遗传算法对布片方案进行优化。本发明的方法能提升部分遮挡时太阳电池阵的输出电性能，且无需增加元器件、不改变控制方法。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，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 (6)

1.一种航天器太阳电池阵布片方案的优化方法，其特征在于，包括以下步骤：
S1、对太阳电池阵的光照条件进行枚举，采用加权功率总和和加权功率波动两个指标来对太阳电池阵布片方案的输出电性能进行评价；
S2、用双行数码对太阳电池阵布片方案进行数字化编码；
S3、利用遗传算法对太阳电池阵布片方案进行优化。
2.根据权利要求1所述的航天器太阳电池阵布片方案的优化方法，其特征在于：步骤S1包括
定量评价太阳电池阵布片方案的性能，根据不同光照条件出现的概率，以及各光照条件向相邻光照条件转换的概率，进行加权计算，其包括如下步骤：
步骤A1，根据该航天器的任务轨道或计划，计算可能出现的所有光照条件并记为Ij(j＝1,2,…,n)；
步骤A2，计算每一种光照条件的出现概率Wj；
步骤A3，根据该航天器电源系统、外形特征，计算在光照条件Ij下，太阳电池阵上因航天器本体结构相互遮挡造成的阴影图形，并进一步计算此时太阳电池阵可输出功率Pj；
步骤A4，计算评价该太阳电池阵布片方案输出能力的指标，加权功率总和：
步骤A5，列出所有与光照条件Ij相邻的光照条件Ijk，k＝1,2,…,mj，以及从Ij转换到Ijk的概率Wjk和Ijk光照条件下，太阳电池阵输出功率Pjk，计算评价该太阳电池阵布片方案输出稳定性的指标，加权功率波动：
3.根据权利要求1所述的航天器太阳电池阵布片方案的优化方法，其特征在于，步骤S2包括以下子步骤：
步骤B1，记太阳电池阵尺寸为p×q，将其随机划分为p×1,p×2,p×3…等不同尺寸的子阵，子阵中排布不同尺寸的矩形太阳电池串，排布时需要满足两个约束：
(1)子阵必须被填充满；
(2)在不切割太阳电池串的情况下，子阵无法被切分成更小的子阵；
步骤B2，对尺寸为p×k(k＝1,2,…)的子阵，满足约束的排布方案是有限的，对不同k取值时的方案分别进行编号，构成编码的基本元素；
步骤B3，太阳电池阵布片方案的编码由其各个子阵的尺寸和子阵排布方案序号组成。
4.根据权利要求1所述的航天器太阳电池阵布片方案的优化方法，其特征在于：步骤S3中，使用双目标遗传算法来探索大量的太阳电池阵布片方案并从中演化、筛选出优胜方案，其包括如下子步骤：
步骤E1，令t＝1，并初始化最优集
步骤E2，随机生成N个太阳电池阵布片方案，记为Gt；
步骤E3，计算Gt中每个解的目标函数WPS和WPV；
步骤E4，对本代解与上代的最优集合并进行非支配排序，得到本代最优集Pt；
步骤E5，如果达到预设的代数上限，则终止迭代，输出最优解集Pt；
步骤E6，如果最优集连续K代没有变化，即Pt＝Pt-1＝…＝Pt-K+1，则令t＝t+1，并回到步骤E2；
步骤E7，从Pt中属于Gt的个体中挑选(1-a)×N个拥挤距离较大的个体，从Pt中不属于Gt的个体中随机选a×N个拥挤距离较大的个体，若Pt中属于Gt的个体总数少于(1-a)×N则从Pt中随机选取补足，这N个解一起作为父代个体集；
步骤E8，对父代个体进行交叉和变异，产生子代个体集，记为Gt+1；
步骤E9，令t＝t+1，并回到步骤E3。
5.根据权利要求4所述的航天器太阳电池阵布片方案的优化方法，其特征在于：步骤E8中的对父代个体进行交叉为使用单点交叉法对太阳电池阵布片方案编码进行交叉以产生新的候选解集，其包括如下步骤：
步骤C1，随机产生一个数CX作为交叉点；
步骤C2，如果CX小于父代个体1最左侧的子阵尺寸，则令CX等于该子阵尺寸；
步骤C3，检查CX与父代个体2最右侧子阵尺寸的关系，确保至少有一个完整子阵处于CX右侧；
步骤C4，将父代个体1中，完整处于CX左侧的子阵复制到子代个体中，将父代个体2中，完整处于CX右侧的子阵复制到子代个体中；
步骤C5，子代个体中部空白处使用随机生成的子阵填充。
6.根据权利要求4所述的航天器太阳电池阵布片方案的优化方法，其特征在于：步骤E8中的对父代个体进行变异为用变异方法对太阳电池阵布片方案编码进行变异以产生新的候选解集，其包括如下步骤：
步骤D1，随机选择一个子阵；
步骤D2，若子阵尺寸大于1，则随机决定采取合并还是分裂的方式，若子阵尺寸等于1，则采取合并的方式；
步骤D3，若是合并，则随机选择子阵左侧或右侧的另一个子阵合并一起并删去原有编码，若是分裂，则直接将该子阵的编码删去；
步骤D4，使用随机生成的子阵填充空白处。
CN201810527381.7A 2018-05-29 2018-05-29 一种航天器太阳电池阵布片方案的优化方法 Pending CN108829943A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810527381.7A CN108829943A (zh) 2018-05-29 2018-05-29 一种航天器太阳电池阵布片方案的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810527381.7A CN108829943A (zh) 2018-05-29 2018-05-29 一种航天器太阳电池阵布片方案的优化方法

Publications (1)

Publication Number Publication Date
CN108829943A true CN108829943A (zh) 2018-11-16

Family

ID=64145880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810527381.7A Pending CN108829943A (zh) 2018-05-29 2018-05-29 一种航天器太阳电池阵布片方案的优化方法

Country Status (1)

Country Link
CN (1) CN108829943A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027165A (zh) * 2019-07-19 2020-04-17 北京航空航天大学 一种基于数字孪生的动力电池组管理系统及方法
CN111470072A (zh) * 2020-03-19 2020-07-31 上海卫星工程研究所 Geo轨道三轴稳定卫星圆壳结构太阳电池阵布线方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765967A (zh) * 2015-04-20 2015-07-08 中国人民解放军国防科学技术大学 一种离网混合可再生能源系统的多目标优化设计方法
CN106126887A (zh) * 2016-06-16 2016-11-16 河海大学 一种基于参数辨识的多峰值光伏阵列最大功率点跟踪方法
CN107947206A (zh) * 2017-12-20 2018-04-20 武汉大学 基于改进的nsga‑ii算法的三相配电网多目标优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765967A (zh) * 2015-04-20 2015-07-08 中国人民解放军国防科学技术大学 一种离网混合可再生能源系统的多目标优化设计方法
CN106126887A (zh) * 2016-06-16 2016-11-16 河海大学 一种基于参数辨识的多峰值光伏阵列最大功率点跟踪方法
CN107947206A (zh) * 2017-12-20 2018-04-20 武汉大学 基于改进的nsga‑ii算法的三相配电网多目标优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANG YANG等: "Layout optimization of spacecraft-based solar array under partially shaded conditions", 《SOLAR ENERGY》 *
孙樊荣等: "基于扇区负荷约束的管制移交间隔多目标优化模型", 《南京航空航天大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027165A (zh) * 2019-07-19 2020-04-17 北京航空航天大学 一种基于数字孪生的动力电池组管理系统及方法
CN111027165B (zh) * 2019-07-19 2022-05-03 北京航空航天大学 一种基于数字孪生的动力电池组管理系统及方法
CN111470072A (zh) * 2020-03-19 2020-07-31 上海卫星工程研究所 Geo轨道三轴稳定卫星圆壳结构太阳电池阵布线方法及系统

Similar Documents

Publication Publication Date Title
Premkumar et al. Evaluation of mathematical model to characterize the performance of conventional and hybrid PV array topologies under static and dynamic shading patterns
Yang et al. PV arrays reconfiguration for partial shading mitigation: Recent advances, challenges and perspectives
Pillai et al. Metaheuristic algorithms for PV parameter identification: A comprehensive review with an application to threshold setting for fault detection in PV systems
Osmani et al. Mitigating the effects of partial shading on PV system’s performance through PV array reconfiguration: A review
Ali et al. Robust ANN-based control of modified PUC-5 inverter for solar PV applications
Yadav et al. Conventional and advanced PV array configurations to extract maximum power under partial shading conditions: A review
CN103219743B (zh) 基于风电功率波动概率特性的主导节点选择方法
Gharari et al. Implementation of strength pareto evolutionary algorithm ii in the multiobjective burnable poison placement optimization of kwu pressurized water reactor
Rezazadeh et al. Photovoltaic array reconfiguration under partial shading conditions for maximum power extraction via knight's tour technique
CN108829943A (zh) 一种航天器太阳电池阵布片方案的优化方法
Yazdanpanah‐Jahromi et al. An efficient sizing method with suitable energy management strategy for hybrid renewable energy systems
CN103366062A (zh) 基于bbo算法和电网生存性的核心骨干网架构建方法
Zhang et al. Evolutionary based Pareto optimization algorithms for bi-objective PV array reconfiguration under partial shading conditions
CN113178864A (zh) 配电网供电故障恢复方法、装置及终端设备
Neelamkavil Pappachan Hybrid red deer with moth flame optimization for reconfiguration process on partially shaded photovoltaic array
CN106845725A (zh) 一种工程参数寻优方法及系统
Xu et al. A modified stochastic fractal search algorithm for parameter estimation of solar cells and PV modules
Ebrahimi et al. Probabilistic optimal planning in active distribution networks considering non‐linear loads based on data clustering method
CN105069517A (zh) 基于混合算法的配电网多目标故障恢复方法
Yadav et al. Comprehensive investigation of various bypass diode associations for killer-SuDoKu PV array under several shading conditions
Sharma et al. An efficient power extraction using artificial intelligence based machine learning model for SPV array reconfiguration in solar industries
Chaib et al. Improved crayfish optimization algorithm for parameters estimation of photovoltaic models
Alharbi et al. An efficient war strategy optimization reconfiguration method for improving the PV array generated power
Huang et al. Mining optimum models of generating solar power based on big data analysis
Deb et al. On the sizing of a solar thermal electricity plant for multiple objectives using evolutionary optimization

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181116

RJ01 Rejection of invention patent application after publication