CN109657336B - 基于阴影时间序列的光伏阵列结构优化方法 - Google Patents

Abstract

一种基于阴影时间序列的光伏阵列结构优化方法，首先根据屋顶面积、倾斜角与方位信息排列光伏阵列；然后结合光伏阵列安装地点信息以及日期，得到光伏阵列在不同季节所选代表日中的阴影分布情况；接着分别对每个代表日所选时间点下的阴影分布图按照遮阴光伏组件数量与阵列遮阴面积排序得到分布图序列；之后根据分布图序列中各个组件的遮阴面积占比得到组件排布序列，并以此构造备选优化结构；最后结合辐照度、晴天数占比、温度、光伏组件参数以及组件遮阴电池个数，利用计算机仿真得到各个备选优化结构在一年中天气为晴天且存在阴影时间段下的近似发电量，并将拥有最大近似发电量的备选优化结构作为施工人员进行电气连接的结构。

Description

基于阴影时间序列的光伏阵列结构优化方法

技术领域

本发明涉及光伏发电系统中光伏阵列在时间序列下阴影不规则变化时的光伏阵列结构优化技术，属于光伏发电技术领域。

背景技术

近年来，随着化石能源的减少，绿色发展的深入人心，新能源的开发利用日益迫切。在众多新能源中，太阳能凭借其易获取、无污染、易推广的特点越来越受到人们的重视，利用光伏阵列将太阳能转化为电能是有效利用太阳能的主要方式。为了解决单个光伏电池端电压低、输出电流小的问题，需要将多个光伏电池串联后形成光伏组件，再将多个光伏组件通过电气连接的方式构成光伏阵列，提供系统需要的电流、电压以及功率。在实际场景中，光伏系统周围的遮挡物往往会在光伏阵列上形成局部遮阴；另外，随时间推移太阳高度角不断变化，阵列表面的阴影分布情况也随之改变，这些都会严重影响光伏系统的发电功率。

光伏阵列通常由光伏组件按照一定串并联的连接方式组成，其中，以全连接结构(TCT)方式连接的光伏阵列可以在一定程度上减少局部遮阴对光伏阵列发电效率的影响。TCT结构是通过在每一层子串上并列旁路二极管的方式来防止热斑效应。同时，旁路二极管的存在使光伏系统的输出特性在阵列遭遇局部遮阴时出现多个峰值，并使部分光伏组件的运行点偏离自身最大功率点而产生失配功率损失。目前已有多种静态或者动态的重构方法来减少光伏阵列的失配功率损失。采用动态的重构方法，所需要的开关矩阵成本较高、系统复杂，并且随着阴影的不断变化，光伏阵列的电气结构将会频繁改变，增加矩阵开关能耗的同时降低开关矩阵的使用寿命。因此，我们采取静态重构的方式，综合时间序列下不同光伏阵列拓扑结构功率损失的情况，选取一种较优的光伏阵列结构来减少失配功率损失、增加光伏阵列发电量。

发明内容

本发明主要为了克服现有光伏阵列的两个问题：1)不规则遮阴造成光伏阵列的失配功率损失以及输出功率降低的问题；2)单一时间点下的静态重构结构可能在其他时刻发电效率较低的问题，提供一种基于阴影时间序列的光伏阵列结构优化方法。

本发明首先根据时间序列下光伏阵列的阴影分布情况，获得几种备用优化结构，然后综合考虑天气、温度以及组件参数等因素，利用计算机仿真快速计算光伏阵列备用优化结构中的最佳光伏阵列结构。本发明使用的结构优化方法考虑了时间序列下光伏阵列的阴影情况，在不改变光伏组件物理位置的情况下，使光伏阵列按照最佳光伏阵列结构进行电气连接，较大提高了光伏阵列的输出功率。

一种基于阴影时间序列的光伏阵列结构优化方法，其特征在于具体实现该方法的步骤如下：

步骤1：结合屋顶的面积大小、倾斜角度数以及方位信息，排列光伏阵列；

步骤2：将春分日、夏至日、秋分日与冬至日作为各季节的标志日T_season，其中season＝sp，su，fa，wi，分别代表春季、夏季、秋季和冬季，在每个季节中选取n天作为该季节的代表日，记它们与所处季节标志日的相对位置为D_{season_m}，m＝1，2，...，n，若比所处季节的标志日早|D_{season_m}|天，则D_{season_m}≤0，若比所处季节的标志日晚|D_{season_m}|天，则D_{season_m}>0，且不同季节第m个代表日与标志日之间的相对位置相等；

步骤3：确定光伏阵列阴影分布图信息，具体实现步骤如下：

步骤31：将光伏阵列的安装角度、地理位置、遮挡物信息以及代表日日期参数输入到仿真软件，得到光伏阵列在每个代表日中阴影分布和变化情况；

步骤32：从光伏阵列在季节season第m个代表日中由完全遮阴到没有遮阴的时间段中，或者从没有遮阴到完全遮阴的时间段中，选取时间间隔为Δt且光伏阵列遮阴情况有较大变化的p个时间点，记为t_{season_m_1}、t_{season_m_2}、...、t_{season_m_p}；

步骤33：分别对每个代表日所选时间点下的阴影分布图，先按照遮阴光伏组件数量由小到大排序，在遮阴光伏组件数量相同的情况下按照光伏阵列遮阴面积由小到大排序，用I_{season_m_f}来表示在季节season第m个代表日下、在序列中排第f位的阴影分布图，f＝1，2，...，p，得到分布图的序列{I_{season_m_1}、I_{season_m_2}、...、I_{season_m_p}}；

步骤34：规模为a×b的TCT结构光伏阵列，每个光伏组件串联有q块光伏电池，将物理位置位于第x行y列的光伏组件记为N_xy，x＝1，2，...，a；y＝1，2，...，b，将组件N_xy在季节season第m个代表日第f位阴影分布图中的遮阴面积占比记为S_{xy_season_m_f}、遮阴电池个数记为Num_{xy_season_m_f}，检测在分布图I_{season_m_1}、I_{season_m_2}、...、I_{season_m_p}中，各个组件在季节season第m个代表日第f位阴影分布图中的遮阴面积占比S_{xy_season_m_f}，并折算成遮阴电池个数Num_{xy_season_m_f}；

步骤4：基于阴影时间序列的光伏阵列结构优化方法，结合每一个代表日中阴影分布图的信息，构造每一个代表日下的备选优化结构，具体实现步骤如下：

步骤41：将规模为a×b的TCT结构光伏阵列的初始电气连接结构记为EA₀，将组件N_xy在初始电气结构EA₀中的电气位置记为E_ij，i＝1，2，...，a；j＝1，2，...，b，表示组件N_xy位于第i行第j列的电气位置上；

步骤42：记组件排布序列为w，其元素W_c表示组件的物理位置，c∈[1，a×b]，针对季节season第m个代表日，阴影分布图I_{season_m_1}中c₁块有遮阴的组件按照遮阴面积占比S_{xy_season_m_1}进行降序排列，得到组件排布序列

对阴影分布图I_{season_m_2}中c₂块有遮阴但在I_{season_m_1}中无遮阴的组件按照遮阴面积占比S_{xy_season_m_2}降序排列后添加至组件排布序列w末尾，更新组件排布序列

将阴影分布图I_{season_m_3}中c₃块有遮阴但在I_{season_m_1}、I_{season_m_2}中无遮阴的组件按照遮阴面积占比S_{xy_season_m_3}降序排列，并排在组件排布序列w末尾，更新组件排布序列

依次类推，直至a×b个组件均排列完或者a×b个组件未排列完但p幅阴影分布图均已排列的情况下，将剩下未排列完的组件补充到已排列序列之后，得到最后的组件排布序列w＝{W₁，W₂，W₃，...，W_a×b}；

步骤43：将季节season中第m个代表日下的备选优化结构记为EB_{season_m}，season＝sp，su，fa，wi；m＝1，2，3，...，n，在电气位置E₁₁～E_a1放置元素W₁～W_a，在电气位置E₁₂～E_a2放置元素W_a+1～W_2a，以此类推，如此排列b列；

步骤5：综合考虑辐照度、晴天数占比与温度数据，在备选优化结构中确定光伏阵列最优结构，具体实现步骤如下：

步骤51：结合所选代表日所选时间点下的光照辐照度α_{season_m_f}、遮阴位置的辐照度β_{season_m_f}、温度T_{season_m_f}以及各个组件在季节season第m个代表日第f位阴影分布图中的遮阴电池个数Num_{xy_season_m_f}，利用计算机软件仿真快速得到各个备选优化结构EB_{season_m}在各代表日下所选取时间点t_{season_m_1}、t_{season_m_2}、...、t_{season_m_p}的P-V特性曲线，分别记录它们的最大功率点为P_{u_z_v}(EB_{season_m})，u＝sp，su，fa，wi；z＝1，2，3，...，n；v＝1，2，3，...，p，表示采用结构EB_{season_m}在季节u代表日z中第v个时间点下的最大功率；

步骤52：根据各个季节中晴天与总天数之比l_u，各个季节的天数为n_u，求出每种备选的结构EB_{season_m}在各个季节中天气为晴天、且存在阴影时间段下的近似发电量为

根据一年中天气为晴天且存在阴影时间段下的近似发电量W_sum＝W_sp+W_su+W_fa+W_wi，选取发电量最高的结构作为备选优化结构中的最优结构EA_opt；

步骤53：在安装光伏阵列时，施工人员按照EA_opt的电气连接方式进行电气连接。

本发明优点是：相比于动态重构无需开关矩阵，无需不断变化电气结构，电站建设成本降低；相比于传统的固定方法，基于典型时间点下的阴影分布图得到的光伏阵列优化结构，可以明显提高光伏系统发电效率。

附图说明

图1是本发明的光伏阵列物理结构，N_xy表示物理位置位于第x行第y列的光伏组件，x＝1，2，...，4；y＝1，2，...，6。

图2是本发明的光伏阵列电气结构图，E_ij表示电气位置位于第i行第j列的光伏组件，i＝1，2，...，4；j＝1，2，...，6。

图3a～图3c是本发明的光伏阵列场景图，图3a是以方位角30°、高度角20°的角度观察，图3b是以方位角0°、高度角20°的角度观察，图3c是以方位角-20°、高度角10°的角度观察。

图4c～图4d是实施案例的光伏阵列在各个代表日、各时间点下的阴影分布图，图4a、图4b、图4c与图4d分别为春分日、夏至日、秋分日与冬至日时在选取的8个时间点下的阴影分布图。

图5是本发明基于阴影时间序列的光伏阵列结构优化方法流程图。

图6a～图6d是实施案例光伏阵列的备选优化结构，其中图6a是初始的结构EA₀，图6b是根据春分日阴影分布下的优化结构EB_{sp_1}，图6c是根据夏至日阴影分布下的优化结构EB_{su_1}，图6d是根据秋分日阴影分布下的优化结构EB_{fa_1}，图6e是根据冬至日阴影分布下的优化结构EB_{wi_1}。

图7a～图7d是实施案例中EA₀与EA_opt在某一时刻下的P-V特性曲线图，其中图7a是在春分日8:30，图7b是在夏至日8:30，图7c是在秋分日8:30，图7d是在冬至日8:30。

具体实施方式

下面结合实施案例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。实施案例采用规模为4×6的光伏发电系统。

步骤1：结合屋顶的面积大小、倾斜角度数以及方位信息，排列光伏阵列；

步骤2：将春分日、夏至日、秋分日与冬至日分别作为各季节的标志日T_season，其中season＝sp，su，fa，wi，分别代表春季、夏季、秋季和冬季，在每个季节中选取1天作为该季节的代表日，记它们与所处季节标志日的相对位置为D_{season_1}，恰好选择春分日、夏至日、秋分日以及冬至日作为所处季节的标志日，D_{season_1}＝0，且保证了四个季节代表日之间的相对位置相同；

步骤3：确定计算光伏阵列结构所需的光伏阵列阴影分布图信息，具体实现步骤如下：

步骤31：光伏阵列场景如图3所示，将光伏阵列的安装角度水平方位角0°倾斜角30°、地理位置北纬39.93°东经116.28°、遮挡物信息以及代表日日期参数输入到仿真软件，得到光伏阵列在每个代表日中阴影分布和变化情况；

步骤32：从光伏阵列在季节season第m个代表日中由完全遮阴到没有遮阴的时间段中，或者从没有遮阴到完全遮阴的时间段中，选取时间间隔为30min且光伏阵列遮阴情况有较大变化的8个时间点，选6:30、7:00、7:30、8:00、8:30、9:00、9:30以及10:00；

步骤33：分别对每个代表日所选时间点下的阴影分布图，先按照遮阴光伏组件数量由小到大排序，在遮阴光伏组件数量相同的情况下按照光伏阵列遮阴面积由小到大进行排序，用I_{season_1_f}来表示在季节season第1个代表日下、在序列中排第f位的阴影分布图，f＝1，2，...，8，得到分布图的序列{I_{season_1_1}、I_{season_1_2}、...、I_{season_1_p}}；

步骤34：规模为4×6的TCT结构光伏阵列，每个光伏组件串联有60块光伏电池，将物理位置位于第x行y列的光伏组件记为N_xy，x＝1，2，...，4；y＝1，2，...，6，将组件N_xy在季节season第1个代表日第f位阴影分布图中的遮阴面积占比记为S_{xy_season_1_f}、遮阴电池个数记为Num_{xy_season_1_f}，获得如图4中分布图I_{season_1_1}、I_{season_1_2}、...、I_{season_1_p}中各个组件在季节season第1个代表日第f位阴影分布图中的遮阴面积占比S_{xy_season_1_f}，并折算成遮阴电池个数Num_{xy_season_1_f}，以春分日8:30为例，光伏阵列中各组件在春季第1个代表日第4位阴影分布图中的遮阴面积占比S_{xy_sp_1_4}与遮阴电池个数Num_{xy_sp_1_4}如下：

步骤4：基于阴影时间序列的光伏阵列结构优化方法，结合每一个代表日中阴影分布图的信息，构造每一个代表日下的备选优化结构，具体实现步骤如下：

步骤41：将规模为4×6的TCT结构光伏阵列的初始电气连接结构记为EA₀，将组件N_xy在初始电气结构EA₀中的电气位置记为E_ij，i＝1，2，...，4；j＝1，2，...，6，表示组件N_xy位于第i行第j列的电气位置上，EA₀如图6a所示；

步骤42：记组件排布序列为w，其元素W_c表示组件的物理位置，c∈[1，4×6]，以春分日为例，对阴影分布图I_{sp_1_1}中5块有遮阴的组件按照遮阴面积占比S_{xy_sp_1_1}进行降序，得到组件排布序列w＝{N₁₆，N₁₅，N₁₄，N₁₁，N₁₃}；将阴影分布图I_{sp_1_2}中1块有遮阴但在I_{sp_1_1}中无遮阴组件按照遮阴面积占比S_{xy_sp_1_2}降序排列，将得到的排列{N₂₆}，排在组件排布序列w之后，更新组件排布序列w＝{N₁₆，N₁₅，N₁₄，N₁₁，N₁₃，N₂₆}；将阴影分布图I_{sp_1_3}中1块有遮阴但在I_{sp_1_1}、I_{sp_1_2}中无遮阴的组件按照遮阴面积占比S_{xy_sp_1_3}降序，将得到的排列{N₂₅}，排在组件排布序列w之后，更新组件排布序列w＝{N₁₆，N₁₅，N₁₄，N₁₁，N₁₃，N₂₆，N₂₅}；依次类推，直至4×6个组件均排列完，得到最后的组件排布序列w＝{W₁，W₂，W₃，...，W₂₄}＝{N₁₆，N₁₅，N₁₄，N₁₁，N₁₃，N₂₆，N₂₅，N₃₆，N₂₄，N₁₂，N₃₅，N₄₆，N₂₃，N₃₄，N₄₅，N₄₄，N₃₃，N₂₂，N₄₃，N₂₁，N₃₂，N₄₂，N₃₁，N₄₁}用同样的方法得到其他三个备选优化结构的阴影序列；

步骤43：如图6b、6c、6d以及6e所示，分别表示构造备选的优化结构EB_{sp_1}、EB_{su_1}、EB_{fa_1}、EB_{Wi_1}，代表了春分日、夏至日、秋分日以及冬至日的备选优化结构：在电气位置E₁₁～E₄₁放置元素W₁～W₄，在电气位置E₁₂～E₄₂放置元素W₅～W₈以此类推在电气位置E₁₆～E₄₆放置元素W₂₁～W₂₄如此排列6列；

步骤5：综合考虑辐照度、晴天数占比与温度数据，在备选优化结构中确定光伏阵列最优结构，作为安装光伏板的电气结构，具体实现步骤如下：

步骤51：这里将代表日所选时间点下的光照辐照度均取为1000W/m²、遮阴位置的辐照度均取为350W/m²、温度均取为25℃，输入各个组件在季节season第1个代表日第f位阴影分布图中的遮阴电池个数Num_{xy_season_1_f}，利用计算机软件仿真快速得到4个备选的优化结构在32个时间点下的P-V特性曲线，分别记录它们的最大功率点为P_{u_1_v}(EB_{season_1})，u＝sp，su，fa，wi；v＝1，2，3，...，8，表示采用结构EB_{season_1}在季节u的第一个代表日中第v个时间点下的最大功率，具体数值如下表：

步骤52：根据北京2017年各个季节中晴天与总天数之比春季为49.5％、夏季为43.2％、秋季为26.1％以及冬季为60.2％，四个季节的天数分别为91天、95天、92天与88天，求出原有物理结构与每种备选的优化结构在一年中天气为晴天且存在阴影时间段6:30～10:00下的近似发电量分别为1260.207kW·h、1527.454kW·h、1520.315kW·h、1525.290kW·h、1507.318kW·h，选取发电量最高的重构结构EB_{sp_1}作为备选结构中的最优结构EA_opt；

步骤53：在安装光伏阵列时，施工人员按照EA_opt的方式进行电气连接。

本发明优点是：相比于动态重构无需开关矩阵，无需不断变化电气结构，电站建设成本降低；相比于传统的固定方法，基于典型时间点下的阴影分布图得到的光伏阵列优化结构，可以明显提高光伏系统发电效率。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于阴影时间序列的光伏阵列结构优化方法，步骤如下：

步骤1：结合屋顶的面积大小、倾斜角度数以及方位信息，排列光伏阵列；

步骤2：将春分日、夏至日、秋分日与冬至日作为各季节的标志日T_season，其中season＝sp，su，fa，wi，分别代表春季、夏季、秋季和冬季，在每个季节中选取n天作为该季节的代表日，记它们与所处季节标志日的相对位置为D_{season_m}，m＝1，2，...，n，若比所处季节的标志日早|D_{season_m}|天，则D_{season_m}≤0，若比所处季节的标志日晚|D_{season_m}|天，则D_{season_m}>0，且不同季节第m个代表日与标志日之间的相对位置相等；

步骤3：确定光伏阵列阴影分布图信息，具体实现步骤如下：

步骤31：将光伏阵列的安装角度、地理位置、遮挡物信息以及代表日日期参数输入到仿真软件，得到光伏阵列在每个代表日中阴影分布和变化情况；

步骤32：从光伏阵列在季节season第m个代表日中由完全遮阴到没有遮阴的时间段中，或者从没有遮阴到完全遮阴的时间段中，选取时间间隔为Δt且光伏阵列遮阴情况有较大变化的p个时间点，记为t_{season_m_1}、t_{season_m_2}、...、t_{season_m_p}；

步骤33：分别对每个代表日所选时间点下的阴影分布图，先按照遮阴光伏组件数量由小到大排序，在遮阴光伏组件数量相同的情况下按照光伏阵列遮阴面积由小到大排序，用I_{season_m_f}来表示在季节season第m个代表日下、在序列中排第f位的阴影分布图，f＝1，2，...，p，得到分布图的序列{I_{season_m_1}、I_{season_m_2}、...、I_{season_m_p}}；

步骤34：规模为a×b的TCT结构光伏阵列，每个光伏组件串联有q块光伏电池，将物理位置位于第x行y列的光伏组件记为N_xy，x＝1，2，...，a；y＝1，2，...，b，将组件N_xy在季节season第m个代表日第f位阴影分布图中的遮阴面积占比记为S_{xy_season_m_f}、遮阴电池个数记为Num_{xy_season_m_f}，检测在分布图I_{season_m_1}、I_{season_m_2}、...、I_{season_m_p}中，各个组件在季节season第m个代表日第f位阴影分布图中的遮阴面积占比S_{xy_season_m_f}，并折算成遮阴电池个数Num_{xy_season_m_f}；

步骤4：基于阴影时间序列的光伏阵列结构优化方法，结合每一个代表日中阴影分布图的信息，构造每一个代表日下的备选优化结构，具体实现步骤如下：

步骤41：将规模为a×b的TCT结构光伏阵列的初始电气连接结构记为EA₀，将组件N_xy在初始电气结构EA₀中的电气位置记为E_ij，i＝1，2，...，a；j＝1，2，...，b，表示组件N_xy位于第i行第j列的电气位置上；

步骤42：记组件排布序列为w，其元素W_c表示组件的物理位置，c∈[1，a×b]，针对季节season第m个代表日，阴影分布图I_{season_m_1}中c₁块有遮阴的组件按照遮阴面积占比S_{xy_season_m_1}进行降序排列，得到组件排布序列

对阴影分布图I_{season_m_2}中c₂块有遮阴但在I_{season_m_1}中无遮阴的组件按照遮阴面积占比S_{xy_season_m_2}降序排列后添加至组件排布序列w末尾，更新组件排布序列

将阴影分布图I_{season_m_3}中c₃块有遮阴但在I_{season_m_1}、I_{season_m_2}中无遮阴的组件按照遮阴面积占比S_{xy_season_m_3}降序排列，并排在组件排布序列w末尾，更新组件排布序列

依次类推，直至a×b个组件均排列完或者a×b个组件未排列完但p幅阴影分布图均已排列的情况下，将剩下未排列完的组件补充到已排列序列之后，得到最后的组件排布序列w＝{W₁，W₂，W₃，...，W_a×b}；

步骤43：将季节season中第m个代表日下的备选优化结构记为EB_{season_m}，season＝sp，su，fa，wi；m＝1，2，3，...，n，在电气位置E₁₁～E_a1放置元素W₁～W_a，在电气位置E₁₂～E_a2放置元素W_a+1～W_2a，以此类推，如此排列b列；

步骤5：综合考虑辐照度、晴天数占比与温度数据，在备选优化结构中确定光伏阵列最优结构，具体实现步骤如下：

步骤51：结合所选代表日所选时间点下的光照辐照度α_{season_m_f}、遮阴位置的辐照度β_{season_m_f}、温度T_{season_m_f}以及各个组件在季节season第m个代表日第f位阴影分布图中的遮阴电池个数Num_{xy_season_m_f}，利用计算机软件仿真快速得到各个备选优化结构EB_{season_m}在各代表日下所选取时间点t_{season_m_1}、t_{season_m_2}、...、t_{season_m_p}的P-V特性曲线，分别记录它们的最大功率点为P_{u_z_v}(EB_{season_m})，u＝sp，su，fa，wi；z＝1，2，3，...，n；v＝1，2，3，...，p，表示采用结构EB_{season_m}在季节u代表日z中第v个时间点下的最大功率；

步骤52：根据各个季节中晴天与总天数之比l_u，各个季节的天数为n_u，求出每种备选的结构EB_{season_m}在各个季节中天气为晴天、且存在阴影时间段下的近似发电量为

根据一年中天气为晴天且存在阴影时间段下的近似发电量W_sum＝W_sp+W_su+W_fa+W_wi，选取发电量最高的结构作为备选优化结构中的最优结构EA_opt；

步骤53：在安装光伏阵列时，施工人员按照EA_opt的电气连接方式进行电气连接。

Images