CN108923738B - 一种基于天气类型判别的双跟踪光伏发电系统控制方法 - Google Patents
一种基于天气类型判别的双跟踪光伏发电系统控制方法 Download PDFInfo
- Publication number
- CN108923738B CN108923738B CN201810904914.9A CN201810904914A CN108923738B CN 108923738 B CN108923738 B CN 108923738B CN 201810904914 A CN201810904914 A CN 201810904914A CN 108923738 B CN108923738 B CN 108923738B
- Authority
- CN
- China
- Prior art keywords
- weather
- tracking
- type
- power generation
- weather type
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005855 radiation Effects 0.000 claims abstract description 67
- 238000012549 training Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 3
- 238000012937 correction Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- H02S20/00—Supporting structures for PV modules
- H02S20/30—Supporting structures being movable or adjustable, e.g. for angle adjustment
- H02S20/32—Supporting structures being movable or adjustable, e.g. for angle adjustment specially adapted for solar tracking
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
本发明涉及一种基于天气类型判别的双跟踪光伏发电系统控制方法，包括步骤：1)获取历史气象数据，并对数据进行筛选；2)结合历史清晰度、历史总云量数据，对相关天气进行分类；3)建立辐射预测模型，对历史气象数据进行相应训练，输入至预测下一个小时的水平面总辐射，并进行下一小时天气类型分类；4)采用天文算法计算当前时刻与下一整点时刻太阳高度角与方位角的大致位置；5)结合下一小时天气类型及下一整点时刻太阳高度角与方位角的大致位置，选用不同的跟踪控制方式进行光伏发电系统控制。与现有技术相比，本发明具有明显降低跟踪系统能耗及提高实际光伏发电效益等优点。
Description
技术领域
本发明涉及太阳辐射观测、建模及光伏资源开发利用领域，尤其是涉及一种基于天气类型判别的双跟踪光伏发电系统控制方法。
背景技术
随着能源安全、生态环境、气候变化等问题日益突出，加快发展新能源已经成为国际社会推动能源转型发展、应对全球气候变化的普遍共识和一致行动。虽然我国光伏累计装机容量连续三年世界第一，但是从我国能源结构及消耗体量来看，无论装机规模占比、发电量占比，还是年利用小时数来看，光伏发电的市场及优化还有巨大提升空间和潜力。
光伏发电系统中光伏组件的安装，除固定式，还有可以跟踪太阳位置的安装方式，以获得更多的入射辐射能量，提高光伏发电系统的效率和发电量。这些安装方式根据运动维度的分类，可以分为一维(环绕单轴转动)和二维(环绕双轴转动) 两类。在这两大类运动方式的基础上，实际太阳追踪系统可以细分为多种。目前国内外研究人员已经对光伏发电系统中的辐射接收问题及光伏跟踪系统的运行性能进行了详细的讨论。现有技术设计了不同的太阳跟踪系统，包括固定式系统、南北轴单跟踪式跟踪系统、垂直轴单跟踪式跟踪系统、双跟踪式跟踪系统这四种不同的太阳追踪系统，计算比较了不同跟踪系统下斜面的太阳辐射接收能力；通过建立数学模型对跟踪系统的性能进行预测与分析，针对固定式、单跟踪式、双跟踪式发电系统的性能进行研究。
双跟踪光伏发电系统一般以两个维度跟踪太阳轨迹，具有较高的辐射能量接收效益。双跟踪光伏发电系统增加的辐射成分主要为到达斜面的直接辐射成分。但是在不同气象条件下，到达地表太阳辐射的直接辐射分量丰富程度不同，有的是直接辐射主导，有的是散射辐射主导，因此不必一直实时以两个维度跟踪太阳轨迹，但可以获得相近的辐射收益，同时降低系统运行能耗。
到达地表的太阳辐射强度及成分受气象因子影响显著，云层状况、空气中气溶胶成分都会对其造成相关影响。不同类型的天气，对太阳辐射的影响程度不同。将天气类型分类处理，有利于简化应对不同情况的控制方法。天气状态可由多种方式进行描述。国家标准GB/T 22164-2008将天气状态分为33种不同的类型。不同天气类型下，地外太阳辐射透过大气层到达地面的变化也不相同。因此，考虑不同天气类型下的辐射收益情况很有必要。但是实际研究中如果按上述国家标准进行天气分类，会使得分析的复杂性大大增加。此外，由于一些极端天气现象数据的缺失，数据分析的可行性与可信度大大降低，因此需要对天气类型重新进行有效而简单的识别和划分。
气象站测量得到的是水平面上的太阳辐射，水平面上太阳辐射成分可分解为直接辐射和散射辐射两部分。而在实际中，光伏阵列一般为倾斜放置，以获得更多的辐射，因此需要将水平面辐射转换为斜面上太阳辐射。倾斜面上的太阳辐射可由太阳直接辐射、散射辐射、反射辐射三部分组成。
然而，由于不同地区存在地理环境差异，各地太阳辐射状况各不相同，不同天气下太阳辐射中直接辐射成分丰富程度不同，使得光伏发电系统性能表现会有明显差异，哪些场景适用双轴跟踪方式，哪些场景适用单轴跟踪方式，哪些场景适用固定式，往往缺乏明晰的结论。另外，某种跟踪方式下，在不同天气状态下采用不同的跟踪策略，有利于在获得最大辐射能量的同时，节约运行耗能。因此，如何针对不同情景下的多种跟踪式辐射收益的定量分析与比较，可为当地的光伏电站规划及优化设计(是否采用跟踪式)提供指导依据。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于天气类型判别的双跟踪光伏发电系统控制方法。
本发明的目的可以通过以下技术方案来实现：
一种基于天气类型判别的双跟踪光伏发电系统控制方法，该方法包括以下步骤：
S1：获取历史气象数据，包括总云量、能见度、降水气温等，并对数据进行筛选。
S2：结合历史清晰度、历史总云量数据，对相关天气进行分类。
首先，根据历史清晰度、历史总云量数据计算清晰度指数，为降低太阳高度角对清晰度指数的影响，对清晰度指数进行修正，根据修正的清晰度指数对相关天气进行初级分类；
修正后的清晰度指数K′T的表达式为：
式中，KT为修正前的清晰度指数，m是大气质量。
1)将k'T≥0.5的天气范围划分为天气类型1；
2)将0.5≥k'T≥0.2的天气范围划分为天气类型2；
3)将0.2≥k'T≥0.1的天气范围划分为天气类型3；
4)将0.1≥k'T≥0的天气范围划分为天气类型4。
其次，采用K-means聚类算法将初级分类后的天气类型1划分为天气类型I、 II、III三类：
1)将聚类类别数设置为三，以云量为0、50％、100％作为起始聚集中心；
2)通过三次迭代获得最终的聚类中心与各类型的边缘，结合聚类结果，形成一类天气下的清晰度指数与总云量交叉下的天气类型分类；
3)将天气类型2、天气类型3、天气类型4规划入天气类型III中。
S3：根据数值天气预报模式建立辐射预测模型，通过对历史气象数据进行训练，预测下一个小时的水平面总辐射，通过云模式获取下一小时总云量预测数据，计算下一小时内清晰度指数，对清晰度指数进行修正，将下一小时天气类型按照天气类型I、II、III三大类进行归类。
优选地，采用数值天气预报模式输出订正、机器学习方法或神经网络方法，建立短期或超短期的辐射预测模型。
S4：根据当前日期时刻，采用天文算法计算此时与下一整点时刻太阳高度角与方位角的大致位置；
S5：结合步骤S3分类的下一小时天气类型及步骤S4获取的与下一整点时刻太阳高度角与方位角的大致位置，选用不同的跟踪控制方式进行光伏组件控制。
1)若预测得到下一小时内天气类型为I型，控制光伏组件采用双轴跟踪方式跟踪太阳轨迹，结合天文算法与光电传感器追踪模块，控制光伏组件跟踪太阳的高度角与方位角，跟踪步长为15分钟；
2)若预测得到下一小时内天气类型为II型，控制光伏组件采用单跟踪方式跟踪太阳轨迹，通过天文算法计算下一小时末时太阳高度角，控制光伏组件倾角保持在相应位置不变，结合天文算法与光电传感器追踪模块，控制光伏组件跟踪太阳方位角，跟踪步长为15分钟；
3)若预测得到下一小时内天气类型为III型，通过天文算法计算下一小时末时太阳高度角与太阳方位角，调整光伏组件维持此姿态。
S6：获取当前气象要素与辐射数据，加入历史数据；
S7：通过太阳高度角判断控制工作继续或停止，若太阳高度角高于10°，返回步骤S2；若太阳高度角小于10°，表示白天结束，停止控制工作，将光伏组件倾角设置为0°，将光伏组件方位角设置当地时间日出时刻太阳方位角。
所述的光电传感器追踪模块包括单片机及分别与单片机连接的时钟芯片、四路光敏电阻、两路舵机以及上位机，所述的单片机内置用于进行光敏电阻参数采集的 ADC电路，时钟芯片通过串行通信将时间信息发送至单片机，当四路光敏电阻不同时正对太阳时，四路光敏电阻将产生的电压差传递至单片机，单片机输出PWM 波形控制两路舵机，同时，四路光敏电阻再向单片机反馈电压值，形成闭环控制，进而控制光伏组件跟踪太阳的高度角与方位角。
与现有技术相比，本发明具有以下优点：
(1)本发明对天气类型进行分类，将太阳辐射在不同天气类型下区分，并对下一小时内天气情况进行预测，判断下一小时内跟踪系统的运动方式，能够最大化增实际光伏发电效益；
(2)本发明根据不同情况控制双轴跟踪系统的运动形态，可以减小机械损耗，增加双轴跟踪系统使用寿命；
(3)本发明在小时尺度下使用天文算法计算太阳具体位置，在分钟尺度下采用物理光电方法跟踪太阳精细位置，提高了跟踪速度。
附图说明
图1为本发明方法的流程示意图；
图2为太阳入射角与其他角度的关系图；
图3为光电传感器追踪模块框图；
图4为光电传感器追踪模块中单片机控制电路图；
图5为光电传感器追踪模块中光敏电阻电路图；
图6为光电传感器追踪模块中舵机控制电路1的电路图；
图7为光电传感器追踪模块中舵机控制电路2的电路图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
本发明涉及一种基于天气类型判别的双跟踪光伏发电系统控制方法，如图1 所示，包括以下步骤：
步骤一、获取历史气象数据，并对数据进行筛选。
数据时间为近两年，其中水平面辐射数据包括总辐射，法相辐射；气象数据包括总云量、能见度、降水气温等。
步骤二、结合历史清晰度、历史总云量数据，通过K-means聚类算法将相关天气划分为三类，分别为I、II、III，其中天气类型I、II、III下的太阳辐射直接辐射分量的丰富度依次减小。
清晰度指数为水平面上太阳总辐射与大气外层水平面上的太阳辐射之比，即：
由于在大气层外水平面上太阳辐射与天文、地理因子有关，其值可以确定计算，清晰度指数直接与达到地表太阳辐射有关，可以用来表征大气层对太阳辐射的衰减，是一个优先考虑的天气类型分类指标。清晰度指数越大，表示大气透明度越高，大气层对太阳辐射衰减越少，到达地面的太阳辐射越大。
但是清晰度指数不仅与气象条件相关，而且与天空中太阳位置有关。为了降低太阳高度角对清晰度指数的影响，对其进行修正如下：
其中，k'T是修正后的清晰度指数，m是大气质量。
采用修正后的清晰度指数，进行天气类型划分。首先按照清晰度指数，将天气状况划分为4类。其中，k'T越大，表明大气透明度越好。其中天气类型1包括晴、晴转多云、多云转晴；天气类型2包括多云、阴转多云、多云转阴；天气类型3 包括小雨、阵雨、小雪、轻雾、霾等；天气类型4包括中雨及以上、中雪及以上。如表1所示：
表1清晰度指数下天气分类
当k'T值大于0.5时，大气透明度较高，到达地面的太阳辐射中，直接辐射较大，此时天气类型包括晴、晴转多云、多云转晴。在这类天气下，云层的随机运动情况可能会对太阳辐射造成明显影响，需考虑总云量的作用。为了细分这种天气分类下总云量的影响，在天气类型1下，按照总云量情况将天气类型细分为3类，分别为图1中的I、II、III。
当k'T值小于0.5时，天空全部被云层遮蔽，将k'T值小于0.5时的情况归为图1 中的III类。
在修正后清晰度指数划分天气类型基础上，为了提高精度，再从气象参数中选取总云量作为辅助分类参考。
本发明中所用的“总云量”，定义为云遮蔽天空的成数，表示天空中被云量遮蔽的范围占总天空范围的百分比。结合总云量，使用K-Means聚类算法进行天气类型1下的细分，设置聚类类别数为3，以云量为0、50％、100％作为起始聚集中心。经过三次迭代计算获得最终的聚类中心与各类型的边缘，结合聚类结果，形成1类天气下的清晰度指数与总云量交叉下的天气类型分类。再与k'T值小于0.5时的天气分类结合，得到最后结果。其中，100>b>a>0，表示云层边际值。表2为最终的天气分类。
表2清晰度指数与总总云量交叉下天气分类
步骤三、使用数值天气预报模式输出订正(MOS)或机器学习方法，建立短期或超短期的辐射预测模型，预测下一个小时的水平面总辐射。训练数据为历史同期的水平面辐射数据、温度、湿度、风速、降水等要素。预测下一小时的水平面小时总辐射量与水平面小时直接辐射量。
结合遥感技术及云模式，使用机器学习方法，建立总云量预测的超短期模型，预测一小时总云量预测数据。计算下一小时内清晰度指数并进行修正，将下一小时天气类型按照步骤二获取的天气类型进行分类。
步骤四、根据当前日期时刻，采用天文算法计算此时与下一整点时刻太阳高度角与方位角的大致位置。
太阳相对于斜面的位置如图2所示，其中需要计算的为太阳方位角与高度角。图2中αs、γ分别为太阳高度角与太阳方位角。分别采用如下公式计算：
太阳高度角：
北半球：
南半球
其中
为当地纬度，δ为当地赤纬角。
太阳方位角：
步骤五、根据不同天气类型，选用不同的跟踪控制方式。
区分天气类型后，需要根据不同的天气类型驱动双轴光伏系统工作。不同的跟踪方式下，对太阳位置精度的要求不同。采用光电传感器提供所需要的太阳位置。本发明采用光电传感器追踪模块进行太阳位置追踪动作。如图3所示，该模块包括单片机、分别与单片机连接的时钟芯片、4路光敏电阻、两路舵机以及上位机。
四个光敏电阻处于同一个平面，互相通过高度为5CM的十字隔板隔开，每个光敏电阻据隔板1CM。当四个光敏电阻不是同时正对太阳时，将产生电压差传递至单片机。单片机内部通过PI调节算法，输出PWM波形控制舵机，同时光敏电阻再向单片机反馈电压值，形成闭环控制。计算所需要时间由DS1302时钟模块获得通过串行通信将时间信息(包括年、月、日、小时)发送至单片机；控制芯片使用STC15W4K32S4，单片机内置ADC电路，使用内置ADC电路进行光敏电阻参数采集；光电传感器使用5506光敏电阻，使用4个光敏电阻分别采集上、下、左、右光线强度；使用2个9G舵机进行太阳位置追踪动作。单片机控制电路、光敏电阻电路、舵机控制电路1、舵机控制电路2分别如图4～图7所示。
1)若预测得到下一小时内天气类型为I型，控制光伏组件采用双轴跟踪方式跟踪太阳轨迹。结合天文算法与物理方式(采用光电传感器进行细节调整)，控制光伏组件跟踪太阳的高度角与方位角，跟踪步长为15分钟。
2)若预测得到下一小时内天气类型为II型，控制光伏组件采用单跟踪方式跟踪太阳轨迹。通过天文算法计算下一小时末时太阳高度角，控制光伏组件倾角保持在相应位置不变，结合天文算法与物理方式，控制光伏组件跟踪太阳方位角，跟踪步长为15分钟。
3)若预测得到下一小时内天气类型为III型，通过天文算法计算下一小时末时太阳高度角与太阳方位角，调整光伏组件维持此姿态。
步骤六、获取当前气象要素与辐射数据，加入历史气象数据库。
步骤七、判断太阳高度角，若太阳高度角高于10°，返回步骤二；若太阳高度角小于10°，表示白天结束，停止控制工作，光伏组件倾角设置为0°，光伏组件方位角设置为最东。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于天气类型判别的双跟踪光伏发电系统控制方法，其特征在于，该方法包括以下步骤：
1)获取历史气象数据，并对历史气象数据进行筛选；
2)结合历史清晰度、历史总云量数据，对相关天气进行分类；
3)根据数值天气预报模式建立辐射预测模型，通过对历史气象数据进行训练，预测下一个小时的水平面总辐射，通过云模式获取下一小时总云量预测数据，计算下一小时内清晰度指数，对清晰度指数进行修正，将下一小时天气类型按照步骤2)获取的类型标准进行归类；
4)根据当前日期时刻，采用天文算法计算此时与下一整点时刻太阳高度角与方位角的大致位置；
5)结合步骤3)分类的下一小时天气类型及步骤4)获取的与下一整点时刻太阳高度角与方位角的大致位置，选用不同的跟踪控制方式进行光伏组件控制；
6)获取当前气象要素与辐射数据，加入历史数据；
7)判断太阳高度角，若太阳高度角高于10°，返回步骤2)；若太阳高度角小于10°，表示白天结束，停止光伏组件控制，将光伏组件倾角设置为0°，将光伏组件方位角设置当地时间日出时刻太阳方位角。
2.根据权利要求1所述的一种基于天气类型判别的双跟踪光伏发电系统控制方法，其特征在于，所述的历史气象数据包括总云量、能见度、降水气温。
3.根据权利要求1所述的一种基于天气类型判别的双跟踪光伏发电系统控制方法，其特征在于，步骤2具体包括以下步骤：
201)结合历史清晰度、历史总云量数据计算清晰度指数，并对清晰度指数进行修正，根据修正后的清晰度指数对相关天气进行一级分类，包括：
a)当修正后清晰度指数大于或等于0.5时，将天气范围划分为天气类型1；
b)当修正后清晰度指数范围为[0.2，0.5]时，将天气范围划分为天气类型2；
c)当修正后清晰度指数范围为[0.1，0.2]时，将天气范围划分为天气类型3；
d)当修正后清晰度指数范围为[0，0.1]时，将天气范围划分为天气类型4；
202)采用K-means聚类算法将一级分类后的天气类型1划分为天气类型I、天气类型II、天气类型III三类。
4.根据权利要求3所述的一种基于天气类型判别的双跟踪光伏发电系统控制方法，其特征在于，步骤202)的具体步骤包括：
1)将聚类类别数设置为三，以云量为0、50％、100％作为起始聚集中心；
2)通过三次迭代获得最终的聚类中心与各类型的边缘，结合聚类结果，形成一类天气下的清晰度指数与总云量交叉下的天气类型分类；
3)将天气类型2、天气类型3、天气类型4规划入天气类型III中。
5.根据权利要求4所述的一种基于天气类型判别的双跟踪光伏发电系统控制方法，其特征在于，步骤5)的具体内容为：
1)若预测得到下一小时内天气类型为I型，控制光伏组件采用双轴跟踪方式跟踪太阳轨迹，结合天文算法与光电传感器追踪模块，控制光伏组件跟踪太阳的高度角与方位角，跟踪步长为15分钟；
2)若预测得到下一小时内天气类型为II型，控制光伏组件采用单跟踪方式跟踪太阳轨迹，通过天文算法计算下一小时末时太阳高度角，控制光伏组件倾角保持在相应位置不变，结合天文算法与光电传感器追踪模块，控制光伏组件跟踪太阳方位角，跟踪步长为15分钟；
3)若预测得到下一小时内天气类型为III型，通过天文算法计算下一小时末时太阳高度角与太阳方位角，调整光伏组件维持此姿态。
6.根据权利要求5所述的一种基于天气类型判别的双跟踪光伏发电系统控制方法，其特征在于，所述的光电传感器追踪模块包括单片机及分别与单片机连接的时钟芯片、四路光敏电阻、两路舵机以及上位机，所述的单片机内置用于进行光敏电阻参数采集的ADC电路，时钟芯片通过串行通信将时间信息发送至单片机，当四路光敏电阻不同时正对太阳时，四路光敏电阻将产生的电压差传递至单片机，单片机输出PWM波形控制两路舵机，同时，四路光敏电阻再向单片机反馈电压值，形成闭环控制，进而控制光伏组件跟踪太阳的高度角与方位角。
7.根据权利要求1所述的一种基于天气类型判别的双跟踪光伏发电系统控制方法，其特征在于，采用数值天气预报模式输出订正、机器学习方法或神经网络方法，建立短期或超短期的辐射预测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810904914.9A CN108923738B (zh) | 2018-08-09 | 2018-08-09 | 一种基于天气类型判别的双跟踪光伏发电系统控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810904914.9A CN108923738B (zh) | 2018-08-09 | 2018-08-09 | 一种基于天气类型判别的双跟踪光伏发电系统控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108923738A CN108923738A (zh) | 2018-11-30 |
| CN108923738B true CN108923738B (zh) | 2020-04-07 |
Family
ID=64404189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810904914.9A Active CN108923738B (zh) | 2018-08-09 | 2018-08-09 | 一种基于天气类型判别的双跟踪光伏发电系统控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108923738B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10892703B2 (en) * | 2018-05-18 | 2021-01-12 | Nextracker Inc. | Methods and systems for detecting shading for solar trackers |
| CN109842371A (zh) * | 2019-03-19 | 2019-06-04 | 黎和平 | 一种定位光伏发电异常的方法和装置 |
| CN110165991B (zh) * | 2019-06-28 | 2020-09-11 | 合肥阳光新能源科技有限公司 | 一种光伏组件跟踪系统控制方法及装置 |
| CN111147264B (zh) * | 2019-12-23 | 2022-10-25 | 上海申矽凌微电子科技有限公司 | 两线传感器通信装置及方法 |
| 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 |
| CN111488669B (zh) * | 2020-02-24 | 2023-12-22 | 宿迁学院 | 一种确定固定式太阳能装置最佳倾角的计算方法 |
| CN111399548A (zh) * | 2020-03-27 | 2020-07-10 | 上海电力大学 | 一种可识别天气类型的跟踪式光伏发电系统控制方法 |
| CN111338392B (zh) * | 2020-03-27 | 2023-08-18 | 天津光电通信技术有限公司 | 一种太阳跟踪方法及系统 |
| CN111596381B (zh) * | 2020-05-22 | 2022-03-22 | 天合光能股份有限公司 | 一种双辐照计推测直射辐照比例的方法 |
| CN113126660B (zh) * | 2021-04-20 | 2023-09-29 | 阳光电源股份有限公司 | 一种光伏组件跟踪控制方法及相关装置 |
| CN115617081A (zh) * | 2021-07-14 | 2023-01-17 | 天合光能股份有限公司 | 一种跟踪方法、装置、电子设备以及存储介质 |
| CN113722375B (zh) * | 2021-08-10 | 2023-10-17 | 国网浙江省电力有限公司电力科学研究院 | 一种基于多算法优化的双层混合光伏预测方法及计算机设备 |
| CN114389529B (zh) * | 2021-11-30 | 2023-11-21 | 合肥中南光电有限公司 | 一种光伏组件角度调节系统及方法 |
| CN116307276B (zh) * | 2023-05-18 | 2023-08-25 | 江苏亚奥科技股份有限公司 | 面向大型动环监控场景的太阳能光伏优化方法 |
| CN116881743B (zh) * | 2023-09-06 | 2024-01-19 | 国网上海市电力公司 | 一种用于光伏功率预测的气象转折天气识别方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915215A (zh) * | 2010-07-22 | 2010-12-15 | 三一电气有限责任公司 | 一种风光补储联合发电方法和客户端设备 |
| CN105320154A (zh) * | 2015-11-12 | 2016-02-10 | 长安大学 | 太阳能发电装置、太阳能发电系统及其控制方法 |
| JP2017127140A (ja) * | 2016-01-14 | 2017-07-20 | 株式会社大林組 | 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム |
| WO2017204032A1 (ja) * | 2016-05-26 | 2017-11-30 | パナソニックＩｐマネジメント株式会社 | 太陽光発電装置の発電量に関する情報を生成する方法、サーバ、プログラム、及び、端末 |
| CN108347221A (zh) * | 2018-05-18 | 2018-07-31 | 江苏中信博新能源科技股份有限公司 | 一种双面光伏电池板的跟踪控制方法及系统 |
-
2018
- 2018-08-09 CN CN201810904914.9A patent/CN108923738B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915215A (zh) * | 2010-07-22 | 2010-12-15 | 三一电气有限责任公司 | 一种风光补储联合发电方法和客户端设备 |
| CN105320154A (zh) * | 2015-11-12 | 2016-02-10 | 长安大学 | 太阳能发电装置、太阳能发电系统及其控制方法 |
| JP2017127140A (ja) * | 2016-01-14 | 2017-07-20 | 株式会社大林組 | 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム |
| WO2017204032A1 (ja) * | 2016-05-26 | 2017-11-30 | パナソニックＩｐマネジメント株式会社 | 太陽光発電装置の発電量に関する情報を生成する方法、サーバ、プログラム、及び、端末 |
| CN108347221A (zh) * | 2018-05-18 | 2018-07-31 | 江苏中信博新能源科技股份有限公司 | 一种双面光伏电池板的跟踪控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108923738A (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108923738B (zh) | 一种基于天气类型判别的双跟踪光伏发电系统控制方法 | |
| Nadia et al. | Advances in solar photovoltaic tracking systems: A review | |
| CN111738526B (zh) | 一种以系统收益最优为目标的光伏系统优化设计方法 | |
| Barbón et al. | Analysis of the tilt and azimuth angles of photovoltaic systems in non-ideal positions for urban applications | |
| Lee et al. | Performance of dual-axis solar tracker versus static solar system by segmented clearness index in Malaysia | |
| CN110471460B (zh) | 基于爬山算法的光伏发电太阳方位跟踪系统及跟踪方法 | |
| CN109886486B (zh) | 不依赖于设备的云层跟踪技术及小时内辐照度预测方法 | |
| CN111488669B (zh) | 一种确定固定式太阳能装置最佳倾角的计算方法 | |
| CN114021420A (zh) | 一种分布式光伏超短期发电功率预测方法及系统 | |
| CN104950920A (zh) | 一种提高转换效率的太阳能电池板倾斜角选取方法 | |
| CN110133755A (zh) | 基于gra-lmbp权重的多天气类型下直散分离建模预测控制方法 | |
| CN111399548A (zh) | 一种可识别天气类型的跟踪式光伏发电系统控制方法 | |
| Pirayawaraporn et al. | Innovative sensorless dual-axis solar tracking system using particle filter | |
| CN111815020A (zh) | 一种基于太阳辐射气候特征识别的南墙辐射预测方法 | |
| CN111539055A (zh) | 一种多感知智能光伏屋顶及其设计方法、设计系统 | |
| Sankar et al. | Qualitative validation of empirically observed higher generation in East-West orientated PV arrays over conventional South orientation | |
| CN113255985B (zh) | 一种预测光伏电站发电量的方法及系统 | |
| CN111596384B (zh) | 一种基于天气类型有效识别的斜面辐射预测方法 | |
| Bálint et al. | Model-based power generation estimation of solar panels using weather forecast for microgrid application | |
| Carvalho et al. | An economical, two axes solar tracking system for implementation in Brazil | |
| CN111414017A (zh) | 自动逐日光伏发电板控制系统 | |
| CN111881969A (zh) | 一种基于小时级辐照预测的光伏系统跟踪优化方法 | |
| Mansouri et al. | Optimum tilt angle for fixed-array solar panels at a constant latitude of 29 to receive the maximum sunlight | |
| Krzysztof et al. | An influence of selected conditions on the production of energy in photovoltaic panels based on correlation coefficients | |
| Tarai et al. | A study on the PV potential analysis for grid connected PV system in NIT Rourkela |
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 |