CN112487609A - 一种光伏组件清洗时刻确定方法及装置 - Google Patents
一种光伏组件清洗时刻确定方法及装置 Download PDFInfo
- Publication number
- CN112487609A CN112487609A CN202011227977.9A CN202011227977A CN112487609A CN 112487609 A CN112487609 A CN 112487609A CN 202011227977 A CN202011227977 A CN 202011227977A CN 112487609 A CN112487609 A CN 112487609A
- Authority
- CN
- China
- Prior art keywords
- inverter
- cleaning
- power
- loss
- theoretical
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010248 power generation Methods 0.000 claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims abstract description 58
- 238000004590 computer program Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 9
- 238000005406 washing Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 19
- 239000000428 dust Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000008021 deposition Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000002834 transmittance Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Inverter Devices (AREA)
Abstract
本发明提供了一种光伏组件清洗时刻确定方法及装置,包括:在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率;对辐照度、组件背板平均温度和逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系;根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量;根据逆变器发电损失量确定光伏组件的清洗时刻。本申请通过一种新的计算光伏电站电量损失的方法来计算光伏组件的清洗时刻,实现了对光伏组件进行及时清洗的效果,并且不会发生因清洗不及时而带来的损失以及因清洗过频而带来的成本增加问题。
Description
技术领域
本申请属于光伏面板清洁技术领域,具体地讲,涉及一种光伏组件清洗时刻确定方法及装置。
背景技术
光伏面板的清洁是光伏运维的重要一部分,光伏组件表面污浊对其发电效率的影响相当显著,其影响的原理主要可理解为两个方面:一是表面的污浊影响了光线的透射率,进而影响组件表面接收到的辐射量。二是组件表面的污浊因为距离电池片的距离很近,会形成阴影,并在光伏组件局部区域形成热斑效应,进而降低组件的发电效率,甚至烧毁组件。当组件的表面的污浊物为树叶、泥土、鸟粪等局部遮挡物时,其作用原理更多的表现为热斑效应所带来的影响。因此,恰当地进行光伏面板的清洁,才能延长光伏电站的使用寿命,提高光伏面板的工作效率,从而提高发电量。清洁后的光伏阵列日均发电量显著提高5%以上,1MWp光伏组件当日发电量提高200KWh。
由于光伏电站一般建设在经济欠发达地区,估计有三分之一电站式山地电站,考虑到组件清晰机器人一次投资高贵且故障率较高,目前工程运行中仍以人工清洗为主。组件人工清洗需要投入包含人工费、水费、资料费等在内的各种费用,所以需通过计算确定清洗时刻,若清洗太频繁,清扫费用过高,若清洗次数不够,电站由于灰尘覆盖损失大量电量。
现有工程上组件清洗时间主要由以下几种:
(1)周期性频次清洗策略。主要通过记录T时间段内的发电量,经过数据处理和分析,当清洗成本达到发电收益的一定比例时,确定清洗周期,光伏组件将在每个周期时间到达时立即清洗。这样的方案无法确定每个清洗后的光照条件,同时也不能确定积灰导致的发电量损失与清洗成本之间的关系,清洗后,光照变差,将会导致收益下降,造成发电损失。
(2)通过离线操作确定发电量损失确定清洗时刻。常见的方法有两种:1、通过伏安曲线检测仪来测试光伏电站中某一光伏方阵的伏安曲线,通过计算获得该发电损失与清洗成本的临界关系,从而确定清洗时间;2、研究者通过建立两个对比的光伏方阵,分为参比方阵与实测方阵,在较短的时间内执行对参比方阵进行清洗,对实测方阵不进行清洗的方法,来对比这两个光伏方阵在一定时间内的发电量,当两个方阵的发电量差值达到预期的设定值时,便对整个光伏电站进行清洗。两种方式需要离线进行,操作量大,且其忽略了发电量损失是已经客观存在的事实,并不能因为此次清洗,损失的发电量还能够收回。
(3)文献中有方案在气象站加装比多玻璃面,通过对比清洗前后玻璃面透光率的差异,确定组件功率损失程度,进而确定是否需要清洗。但此方法需要额外增加其气象站的硬件设备与计算程序。
发明内容
本申请提供了一种光伏组件清洗时刻确定方法及装置,以实现精确计算光伏组件何时需要进行清洗的问题。
根据本申请的一个方面,提供了一种光伏组件清洗时刻确定方法,包括:
在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率;
对辐照度、组件背板平均温度和逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系;
根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量;
根据逆变器发电损失量确定光伏组件的清洗时刻。
在一实施例中,根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量,包括:
根据气象条件与逆变器理论发电功率的线性关系获得每个时刻的逆变器理论发电功率;
根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量;
根据每日损失电量及清洗计算单元的数量获得逆变器发电损失量。
在一实施例中,根据逆变器发电损失量确定光伏组件的清洗时刻,包括:
判断逆变器发电损失量是否超过预设的阈值;
根据判断结果确定是否进行清洗。
在一实施例中,清洁周期的确定方法包括:
根据历史数据确定固定的清洗周期;或
根据历史数据获取每个清洗计算单元单日的直流转化效率并选出直流转化效率最高的阶段为清洗周期。
在一实施例中,根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量,包括:
根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的单日理论损失电量;
根据逆变器的类型选定对应的损失系数;
根据单日理论损失电量以及损失系数获得每个清洗计算单元的每日损失电量。
根据本申请的另一个方面,还提供了一种光伏组件清洗时刻确定装置,包括:
获取单元,用于在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率;
线性关系获取单元,用于对辐照度、组件背板平均温度和逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系;
发电损失量计算单元,用于根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量;
清洗时刻确定单元,用于根据逆变器发电损失量确定光伏组件的清洗时刻。
在一实施例中,发电损失量计算单元包括:
理论发电功率获取模块,用于根据气象条件与逆变器理论发电功率的线性关系获得每个时刻的逆变器理论发电功率;
每日损失电量获取模块,用于根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量;
逆变器发电损失量获取模块,用于根据每日损失电量及清洗计算单元的数量获得逆变器发电损失量。
在一实施例中,清洗时刻确定单元包括:
判断模块,用于判断逆变器发电损失量是否超过预设的阈值;
决策模块,用于根据判断结果确定是否进行清洗。
在一实施例中,清洁周期的确定方法包括:
根据历史数据确定固定的清洗周期;或
根据历史数据获取每个清洗计算单元单日的直流转化效率并选出直流转化效率最高的阶段为清洗周期。
在一实施例中,每日损失电量获取模块包括:
理论损失电量计算模块,用于根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的单日理论损失电量;
损失系数确定模块,用于根据逆变器的类型选定对应的损失系数;
每日损失电量计算模块,用于根据单日理论损失电量以及损失系数获得每个清洗计算单元的每日损失电量。
本申请采用了一种新的方式确定光伏组件的清洗时刻,相较于现有的光伏清洗时间确定方法,本申请能够更精确地确定应当清洗的时刻,既避免了清洗不及时而造成的发电量损失,也避免了因清洗过度而造成清洗费用的上升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种光伏组件清洗时刻确定方法流程图。
图2为本申请实施例中获取逆变器发电损失量的流程图。
图3为本申请实施例中确定光伏组件的清洗时刻的流程图。
图4为本申请实施例中获得每个清洗计算单元的每日损失电量的流程图
图5为本申请实施例中由于积灰造成的光伏发电损曲线与周期调整示意图。
图6为本申请提供的一种光伏组件清洗时刻确定装置的结构框图。
图7为本申请实施例中发电损失量计算单元的结构框图。
图8为本申请实施例中清洗时刻确定单元的结构框图。
图9为本申请实施例中每日损失电量获取模块的结构框图。
图10为本申请实施例中一种电子设备的具体实施方式。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,光伏组件清洗时间确定方式主要有以下三种:
1、周期性频次清洗策略,这样的方案无法确定每个光伏组件清洗后的光照条件,同时也不能确定积灰导致的发电量损失与清洗成本之间的关系,进而会导致收益下降造成发电损失。
2、通过离线操作确定发电量损失来确定清洗时刻,该方式需要离线进行,操作量大,并且忽略了发电量损失已是客观存在的事实,故并不能因为此次清洗来收回已损失的发电量。
3、通过对比清洗前后玻璃面板透光率的差异确定组件功率损失程度来确定清洗时刻,该方法缺陷在于需要额外增加气象站的硬件设备与计算程序,成本过高。
基于上述现有光伏组件清洗时间确定方法的缺陷,本申请提供了一种光伏组件清洗时刻确定方法,如图1所示,包括:
S101:在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率。
在一具体实施例中,以光伏逆变器为一个清洗计算单元,则一个光伏发电站共有N个清洗计算单元,然后确定光伏的清洁周期(即光伏组件清洗完成后的若干天内即为清洁周期)。在清洁周期内,采样并记录n(n>100)组运行数据,每组数据由某时刻i下的辐照度Si、组件背板平均温度Ti、逆变器输出功率Pi组成,其中要求辐照度S覆盖范围不小于50~800w/m2。
S102:对辐照度、组件背板平均温度和逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系。
在一具体实施例中,基于n组T周期内运行数据(每组数据由某时刻i下的辐照度Si、组件背板平均温度Ti、逆变器输出功率Pi组成)拟合得到气象条件与该逆变器理论发电功率之间的线性关系,如下式所示:
Pdes=aS*Ln(e+bS+c)[1+α×(T+2-25)] (1)
其中,Pdes为逆变器理论发电功率,辐照度S,组件背板平均温度T,逆变器输出功率P,e为自然数,T为组件背板平均温度,α为光伏组件峰值功率的温度系数,a、b、c为系数,该系数是由计算机自动拟合获得,在曲线拟合时应当保证拟合曲线与采样点的相关系数大于等于95%。
由于回归模型中的参数是根据最近一次清洗周期里的数据得到,因此,a、b、c的数值是在不断变化的,即每次清洗或降雨后,都需要重新拟合。
此处关于组件背板温度的确定:背板温度可以有两种获取方法,一是采用电站气象站输出的环境温度与逆变器功率推导出组件的背板温度;二是将光伏逆变器进行微小改动,增加几个组件背板温度测点,然后借助逆变器内测试温度的数据传输通道将背板温度上传到监控中心。
S103:根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量。
在一具体实施例中,清洁周期过后,光伏电站会逐步进入污浊期D。根据S102中获得的气象条件与逆变器理论发电功率的线性关系可以计算出光伏电站每天损失的电量,对每天损失的电量求和即可获得光伏电站内N台逆变器在一段时间内因污浊(灰尘)遮挡而减少的发电量总和,从而可以求得逆变器发电损失量。
S104:根据逆变器发电损失量确定光伏组件的清洗时刻。
当逆变器发电损失量超过一定的值时,说明因灰尘而导致发电量的损失已过大,应当对光伏组件进行清洗。
图1所示方法的执行主体可以为PC、终端等,通过一种新的计算光伏电站电量损失的方法来计算光伏组件的清洗时刻,实现了对光伏组件进行及时清洗的效果,并且不会发生因清洗不及时而带来的损失以及因清洗过频而带来的成本增加问题。
在一实施例中,根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量,如图2所示,包括:
S201:根据气象条件与逆变器理论发电功率的线性关系获得每个时刻的逆变器理论发电功率。
在一具体实施例中,根据测得的辐照度Si、组件背板平均温度Ti、逆变器输出功率Pi套用获取的公式(1)可以计算出每个时刻的逆变器理论发电功率,注意,该发电功率仅为理论值,并非实际值。
S202:根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量。
在一具体实施例中,通过测量可得到逆变器的实际发电功率,对实际发电功率和理论发电功率之差积分,可以得出光伏电站每天的损失电量:
其中:Qss为一天的损失电量;t1为统计当日上午功率第一次不为零时刻;t2为统计当日下午最后一次不为零时刻;Pj为每个时刻该逆变器理论发电功率;Preal每个时刻该逆变器实际发电功率。
S203:根据每日损失电量及清洗计算单元的数量获得逆变器发电损失量。
在一具体实施例中,公式(2)仅为光伏电站内各逆变器损失电量的累加,但并不是电站实际损失的电量,实际损失的电量受其他条件因素的影响与计算得到的各逆变器损失电量的累加会有一定的误差。
在一实施例中,根据逆变器发电损失量确定光伏组件的清洗时刻,如图3所示,包括:
S301:判断逆变器发电损失量是否超过预设的阈值。
在本申请中,此处“预设的阈值”实际为进行一次人工清洗的总费用,该总费用可以预先通过计算获得。
S302:根据判断结果确定是否进行清洗。
在一具体实施例中,当Qss_station≥F时,则发出清洗提示以提示用户对光伏组件进行清洗,其中Qss_station为逆变器发电损失量,F为一次清洗的总费用。计算出每个逆变器损失电量,进行排序,为清洗顺序提供参考。
计算一次人工清洗的总费用为F,计算方法如下:
F=P*M+X+Y
其中:P为清洁单价2000-3000元/MW,M为光伏单元装机容量;X为清洁人员总费用,Y为清洁资源的总费用。
在一实施例中,清洁周期的确定方法包括:
根据历史数据确定固定的清洗周期;或
根据历史数据获取每个清洗计算单元单日的直流转化效率并选出直流转化效率最高的阶段为清洗周期。
在一具体实施例中,清洁周期有如下几种确定方法:
①默认在电站光伏组件清洗完成后2天内(或下过大雨后2天)即为清洁周期(CLEAR周期),在该时间段内认为组件未受到表面浮尘的影响,利用此周期进行逆变器发电功率曲线拟合。
②直流侧转化效率判定
直流侧转化效率(=逆变器直流侧输入电量/光伏阵列面辐照总量)
对过去半年运行历史数据计算每个发电单元每日的直流转化效率,选出直流转化效率最高的2-3日为CLEAR周期;
③发电单元的日PR
对过去半年运行历史数据计算每个发电单元的日PR值,计算方法如下,选出直流转化效率最高的2-3日为CLEAR周期;
其中:
E:光伏电站年累计发电量;
P0:电站光伏组件装机容量;
H:光伏电站光伏倾斜面接受到的年总辐射量;
④直流侧矫正功率
提取光伏阵列倾斜面辐照度为1000W/m2时的逆变器直流侧输入功率/汇流箱直流功率。
Pmax=PDC1+PDC2+...+PDCn
用光伏组件背板温度进行校正。
Pcell=Pmax/[1+(t-25)*α]
α为光伏组件峰值功率温度系数,Pmax为直流侧输入功率/汇流箱直流功率的最大值,Pcell为Pmax的校正值。
在一实施例中,根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量,如图4所示,包括:
S401:根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的单日理论损失电量。
S402:根据逆变器的类型选定对应的损失系数。
S403:根据单日理论损失电量以及损失系数获得每个清洗计算单元的每日损失电量。
在一具体实施例中,根据式(1)计算出每天逆变器由上午功率第一次不为零时刻到下午最后一次不为零时刻这段发电周期内,每个时刻该逆变器理论发电功率Pj,对实际发电功率和理论发电功率之差积分,可以得出光伏电站每天的损失电量(单日理论损失电量):
其中:Qss为一天的损失电量;t1为统计当日上午功率第一次不为零时刻;t2为统计当日下午最后一次不为零时刻;Pj为每个时刻该逆变器理论发电功率;Preal每个时刻该逆变器实际发电功率。
进而可以计算出电站内N台逆变器共K天由于灰尘遮挡减少的发电量:
对于集中式逆变器,众多逆变器到电站并网点,应考虑变压器效率(取0.98)、交流线损(取0.97)、变压器到并网点交流线损(取0.985),则k=0.98*0.97*0.985=0.94,则集中式逆变器电站损失认为是:
Qss_station=QSS_LJ*0.94
对于组串式光伏逆变器,众多逆变器到电站并网点,应考虑交流汇流损失(取0.97)、交流汇流箱到变压器损失(取0.98)变压器效率(取0.98)、变压器到并网点交流线损(取0.985),则k=0.92,则组串式逆变器电站实际损失认为是:
Qss_station=QSS_LJ*0.92
若在污浊期D内一直未出现过下雨,由于积灰导致光伏电站功率损失△P随时间的关系如图5中所示,△P随着时间增加逐渐增加(不一定是线性关系,图5仅为示意),当达到清洗条件后进行组件清洗,清洗后△P为0,然后进入下一个D周期;
若在某一个D周期进中出现了明显降雨,如图5中所示,在t1时刻下雨后光伏电站功率衰减值△P比上一日功率衰值大幅减减小,则此时应将进行中的D周期终止,以t1为新的污浊期的开始时间。
基于同一发明构思,本申请实施例还提供了一种光伏组件清洗时刻确定装置,可以用于实现上述实施例中所描述的方法,如下面实施例所述。由于该光伏组件清洗时刻确定装置解决问题的原理与光伏组件清洗时刻确定方法相似,因此光伏组件清洗时刻确定方法装置的实施可以参见光伏组件清洗时刻确定方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
如图6所示,本申请还提供了一种光伏组件清洗时刻确定装置,包括:
获取单元601,用于在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率;
线性关系获取单元602,用于对辐照度、组件背板平均温度和逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系;
发电损失量计算单元603,用于根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量;
清洗时刻确定单元604,用于根据逆变器发电损失量确定光伏组件的清洗时刻。
在一实施例中,如图7所示,发电损失量计算单元603包括:
理论发电功率获取模块701,用于根据气象条件与逆变器理论发电功率的线性关系获得每个时刻的逆变器理论发电功率;
每日损失电量获取模块702,用于根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量;
逆变器发电损失量获取模块703,用于根据每日损失电量及清洗计算单元的数量获得逆变器发电损失量。
在一实施例中,如图8所示,清洗时刻确定单元604包括:
判断模块801,用于判断逆变器发电损失量是否超过预设的阈值;
决策模块802,用于根据判断结果确定是否进行清洗。
在一实施例中,清洁周期的确定方法包括:
根据历史数据确定固定的清洗周期;或
根据历史数据获取每个清洗计算单元单日的直流转化效率并选出直流转化效率最高的阶段为清洗周期。
在一实施例中,如图9所示,每日损失电量获取模块702包括:
理论损失电量计算模块901,用于根据逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的单日理论损失电量;
损失系数确定模块902,用于根据逆变器的类型选定对应的损失系数;
每日损失电量计算模块903,用于根据单日理论损失电量以及损失系数获得每个清洗计算单元的每日损失电量。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种电子设备的具体实施方式,参见图10,所述电子设备具体包括如下内容:
处理器(processor)1001、内存1002、通信接口(Communications Interface)1003、总线1004和非易失性存储器1005;
其中,所述处理器1001、内存1002、通信接口1003通过所述总线1004完成相互间的通信;
所述处理器1001用于调用所述内存1002和非易失性存储器1005中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的方法中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
S101:在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率。
S102:对辐照度、组件背板平均温度和逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系。
S103:根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量。
S104:根据逆变器发电损失量确定光伏组件的清洗时刻。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
S101:在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率。
S102:对辐照度、组件背板平均温度和逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系。
S103:根据气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量。
S104:根据逆变器发电损失量确定光伏组件的清洗时刻。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。
在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (12)
1.一种光伏组件清洗时刻确定方法,其特征在于,包括:
在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率;
对所述辐照度、所述组件背板平均温度和所述逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系;
根据所述气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量;
根据所述逆变器发电损失量确定光伏组件的清洗时刻。
2.根据权利要求1所述的光伏组件清洗时刻确定方法,其特征在于,所述根据所述气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量,包括:
根据所述气象条件与逆变器理论发电功率的线性关系获得每个时刻的逆变器理论发电功率;
根据所述逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量;
根据所述每日损失电量及清洗计算单元的数量获得所述逆变器发电损失量。
3.根据权利要求1所述的光伏组件清洗时刻确定方法,其特征在于,所述根据所述逆变器发电损失量确定光伏组件的清洗时刻,包括:
判断所述逆变器发电损失量是否超过预设的阈值;
根据判断结果确定是否进行清洗。
4.根据权利要求1所述的光伏组件清洗时刻确定方法,其特征在于,清洁周期的确定方法包括:
根据历史数据确定固定的清洗周期;或
根据历史数据获取每个清洗计算单元单日的直流转化效率并选出直流转化效率最高的阶段为清洗周期。
5.根据权利要求2所述的光伏组件清洗时刻确定方法,其特征在于,所述根据所述逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量,包括:
根据所述逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的单日理论损失电量;
根据逆变器的类型选定对应的损失系数;
根据所述单日理论损失电量以及所述损失系数获得每个清洗计算单元的每日损失电量。
6.一种光伏组件清洗时刻确定装置,其特征在于,包括:
获取单元,用于在预先确定的清洁周期内,获取每个清洗计算单元的辐照度、组件背板平均温度和逆变器输出功率;
线性关系获取单元,用于对所述辐照度、所述组件背板平均温度和所述逆变器输出功率进行拟合获取气象条件与逆变器理论发电功率的线性关系;
发电损失量计算单元,用于根据所述气象条件与逆变器理论发电功率的线性关系获取逆变器发电损失量;
清洗时刻确定单元,用于根据所述逆变器发电损失量确定光伏组件的清洗时刻。
7.根据权利要求6所述的光伏组件清洗时刻确定装置,其特征在于,所述发电损失量计算单元包括:
理论发电功率获取模块,用于根据所述气象条件与逆变器理论发电功率的线性关系获得每个时刻的逆变器理论发电功率;
每日损失电量获取模块,用于根据所述逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的每日损失电量;
逆变器发电损失量获取模块,用于根据所述每日损失电量及清洗计算单元的数量获得所述逆变器发电损失量。
8.根据权利要求6所述的光伏组件清洗时刻确定装置,其特征在于,所述清洗时刻确定单元包括:
判断模块,用于判断所述逆变器发电损失量是否超过预设的阈值;
决策模块,用于根据判断结果确定是否进行清洗。
9.根据权利要求6所述的光伏组件清洗时刻确定装置,其特征在于,清洁周期的确定方法包括:
根据历史数据确定固定的清洗周期;或
根据历史数据获取每个清洗计算单元单日的直流转化效率并选出直流转化效率最高的阶段为清洗周期。
10.根据权利要求7所述的光伏组件清洗时刻确定装置,其特征在于,所述每日损失电量获取模块包括:
理论损失电量计算模块,用于根据所述逆变器理论发电功率和获取的逆变器实际发电功率获得每个清洗计算单元的单日理论损失电量;
损失系数确定模块,用于根据逆变器的类型选定对应的损失系数;
每日损失电量计算模块,用于根据所述单日理论损失电量以及所述损失系数获得每个清洗计算单元的每日损失电量。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至5中任意一项所述光伏组件清洗时刻确定方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5中任一项所述光伏组件清洗时刻确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011227977.9A CN112487609B (zh) | 2020-11-06 | 2020-11-06 | 一种光伏组件清洗时刻确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011227977.9A CN112487609B (zh) | 2020-11-06 | 2020-11-06 | 一种光伏组件清洗时刻确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112487609A true CN112487609A (zh) | 2021-03-12 |
CN112487609B CN112487609B (zh) | 2024-03-26 |
Family
ID=74928596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011227977.9A Active CN112487609B (zh) | 2020-11-06 | 2020-11-06 | 一种光伏组件清洗时刻确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487609B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113807565A (zh) * | 2021-08-05 | 2021-12-17 | 上海发电设备成套设计研究院有限责任公司 | 光热电站聚光镜场的清洁周期评估方法、装置及设备 |
CN114833829A (zh) * | 2022-04-25 | 2022-08-02 | 阳光电源(上海)有限公司 | 一种光伏清扫机器人的控制方法、装置及光伏清扫机器人 |
CN116029703A (zh) * | 2023-03-28 | 2023-04-28 | 山东科技大学 | 一种分布式光伏清洁周期确定方法、系统、介质及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160190984A1 (en) * | 2014-12-29 | 2016-06-30 | Also Energy, Inc. | System and method for performance analysis and classification of losses for solar power systems |
WO2017181546A1 (zh) * | 2016-04-19 | 2017-10-26 | 朱小涛 | 光伏电站电池组件自动清洗系统 |
US20170366010A1 (en) * | 2016-06-21 | 2017-12-21 | International Business Machines Corporation | Monitoring and Evaluating Performance and Aging of Solar Photovoltaic Generation Systems and Power Inverters |
CN107818410A (zh) * | 2017-10-23 | 2018-03-20 | 长沙理工大学 | 一种光伏组件积灰程度远程智能诊断方法 |
CN108399493A (zh) * | 2018-02-02 | 2018-08-14 | 上海电气分布式能源科技有限公司 | 积灰致光伏发电量损失预测方法及光伏组件清洗判断方法 |
CN109039261A (zh) * | 2018-07-31 | 2018-12-18 | 江苏林洋新能源科技有限公司 | 光伏电站积灰智能判断方法 |
CN110649883A (zh) * | 2019-09-29 | 2020-01-03 | 合肥阳光新能源科技有限公司 | 清洗方法、装置和计算机设备 |
US20200235697A1 (en) * | 2019-01-23 | 2020-07-23 | Sungrow Power Supply Co., Ltd. | Photovoltaic-module cleaning robot and obstacle-surmounting control method and device thereof |
-
2020
- 2020-11-06 CN CN202011227977.9A patent/CN112487609B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160190984A1 (en) * | 2014-12-29 | 2016-06-30 | Also Energy, Inc. | System and method for performance analysis and classification of losses for solar power systems |
WO2017181546A1 (zh) * | 2016-04-19 | 2017-10-26 | 朱小涛 | 光伏电站电池组件自动清洗系统 |
US20170366010A1 (en) * | 2016-06-21 | 2017-12-21 | International Business Machines Corporation | Monitoring and Evaluating Performance and Aging of Solar Photovoltaic Generation Systems and Power Inverters |
CN107818410A (zh) * | 2017-10-23 | 2018-03-20 | 长沙理工大学 | 一种光伏组件积灰程度远程智能诊断方法 |
CN108399493A (zh) * | 2018-02-02 | 2018-08-14 | 上海电气分布式能源科技有限公司 | 积灰致光伏发电量损失预测方法及光伏组件清洗判断方法 |
CN109039261A (zh) * | 2018-07-31 | 2018-12-18 | 江苏林洋新能源科技有限公司 | 光伏电站积灰智能判断方法 |
US20200235697A1 (en) * | 2019-01-23 | 2020-07-23 | Sungrow Power Supply Co., Ltd. | Photovoltaic-module cleaning robot and obstacle-surmounting control method and device thereof |
CN110649883A (zh) * | 2019-09-29 | 2020-01-03 | 合肥阳光新能源科技有限公司 | 清洗方法、装置和计算机设备 |
Non-Patent Citations (2)
Title |
---|
唐治平;周璐;魏超;: "光伏电站智能清洗模型及实例分析", 发电与空调, no. 01 * |
陈璐;张天文;刘杰斌;李建周;: "光伏电站组件动态清洗周期的研究", 中国高新科技, no. 24 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113807565A (zh) * | 2021-08-05 | 2021-12-17 | 上海发电设备成套设计研究院有限责任公司 | 光热电站聚光镜场的清洁周期评估方法、装置及设备 |
CN114833829A (zh) * | 2022-04-25 | 2022-08-02 | 阳光电源(上海)有限公司 | 一种光伏清扫机器人的控制方法、装置及光伏清扫机器人 |
CN114833829B (zh) * | 2022-04-25 | 2024-04-12 | 阳光电源(上海)有限公司 | 一种光伏清扫机器人的控制方法、装置及光伏清扫机器人 |
CN116029703A (zh) * | 2023-03-28 | 2023-04-28 | 山东科技大学 | 一种分布式光伏清洁周期确定方法、系统、介质及设备 |
CN116029703B (zh) * | 2023-03-28 | 2023-06-16 | 山东科技大学 | 一种分布式光伏清洁周期确定方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112487609B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112487609B (zh) | 一种光伏组件清洗时刻确定方法及装置 | |
Chouder et al. | Automatic supervision and fault detection of PV systems based on power losses analysis | |
CN108960453B (zh) | 光伏电站积灰经济清洗计算方法 | |
Cristaldi et al. | Economical evaluation of PV system losses due to the dust and pollution | |
Daher et al. | Experimental assessment of long-term performance degradation for a PV power plant operating in a desert maritime climate | |
CN109379042B (zh) | 一种用于分析户用光伏遮挡物的方法及系统 | |
Chatterji et al. | Battery storage for resilient homes | |
CN111090926B (zh) | 光伏功率曲线建模方法、装置、计算机设备及存储介质 | |
Wang et al. | Analytic $ I_ {\text {sc}} $–$ V_ {\text {oc}} $ method and power loss modes from outdoor time-series $ I $–$ V $ curves | |
CN115099541A (zh) | 光伏电站清洗策略的确定方法及装置 | |
CN114118561A (zh) | 一种考虑积灰的光伏组件清洗方法及系统 | |
CN107229817B (zh) | 光伏电站灰尘遮挡损失分析方法 | |
CN111064219A (zh) | 基于辐射分布特征的光伏并网逆变器运行效率评估方法 | |
Gerstmaier et al. | Large-scale and long-term CPV power plant field results | |
Adler et al. | Degradation analysis of utility-scale PV plants in different climate zones | |
CN114492084B (zh) | 基于容配比比选的光伏电站发电小时数估算模型的构建方法 | |
CN109858188A (zh) | 一种计算不同清洗节点下光伏组件发电收益的方法 | |
Kunaifi et al. | A comparative performance analysis of a 1 MW CIS PV system and A 5 KW crystalline-si PV system under the tropical climate of Indonesia | |
CN111222763A (zh) | 一种光伏组件清洗决策工具 | |
CN113837418A (zh) | 一种电力电量平衡分析系统 | |
CN105243604B (zh) | 基于标杆光伏电站的大型光伏发电集群弃光电量评估方法 | |
Kim et al. | Estimating the effect of module failures on the gross generation of a photovoltaic system using agent-based modeling | |
Pascual et al. | On the on-site measurement of the degradation rate of crystalline silicon PV modules at plant level | |
CN113642895B (zh) | 一种离网光伏电站的剩余性能评估方法 | |
CN113794196A (zh) | 一种分布式光伏电站的通用化功率预测方法及装置 |
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 |