CN113075940B - 一种光伏组串跟踪支架控制方法及相关装置 - Google Patents
一种光伏组串跟踪支架控制方法及相关装置 Download PDFInfo
- Publication number
- CN113075940B CN113075940B CN202110315322.5A CN202110315322A CN113075940B CN 113075940 B CN113075940 B CN 113075940B CN 202110315322 A CN202110315322 A CN 202110315322A CN 113075940 B CN113075940 B CN 113075940B
- Authority
- CN
- China
- Prior art keywords
- power
- tracking
- maximum
- tracking angle
- photovoltaic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000010248 power generation Methods 0.000 claims abstract description 94
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 77
- 230000007704 transition Effects 0.000 claims abstract description 66
- 238000012549 training Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D3/00—Control of position or direction
- G05D3/12—Control of position or direction using feedback
-
- 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
- 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
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Photovoltaic Devices (AREA)
Abstract
本申请提供了一种光伏组串的跟踪支架的控制方法及相关装置,根据当前时刻测得的辐照数据,以该辐照数据对应的跟踪角度为初始状态,根据状态转移算法模型能获得历史数据中下一时刻最可能出现的发电功率(即,最大预测发电功率)和跟踪角度;同时,利用光伏电站数字孪生模型计算得到的下一时刻的最大计算发电功率来修正状态转移算法模型得到的最大预测发电功率。与传统的在辐照强度较差的光伏组串旋转至水平状态的方式相比,该方案得到的跟踪角度能够根据不同的天气条件始终保证光伏组串输出最大发电功率,从而最大程度地提高光伏发电功率,优化光伏组串的瞬时发电功率,提升系统发电能力。
Description
技术领域
本发明属于光伏发电技术领域,尤其涉及一种光伏组串跟踪支架控制方法及相关装置。
背景技术
利用跟踪支架能够调节光伏组件的倾角,使得光伏组件能够跟踪太阳辐照角度,提高光伏组件的太阳光辐照量,最终提升光伏发电功率。
目前的跟踪支架的控制策略主要基于天文算法,例如,将辐照强度较差的光伏组串旋转至水平状态,或者,在每日特定时段进行反向跟踪,以实现优化系统整体发电量,但是,这些控制方案都无法最大程度地提高光伏发电功率。
发明内容
有鉴于此,本发明的目的在于提供一种光伏组串跟踪支架控制方法及相关装置,以解决传统的跟踪支架控制方法无法最大程度地提高光伏发电功率的问题,其公开的技术方案如下:
第一方面,本发明提供了一种光伏组串跟踪支架控制方法,包括:
获取当前时刻测量的辐照数据;
将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度,其中,所述状态转移算法模型表征从任一跟踪角度转移至下一跟踪角度的概率分布;
根据当前时刻测量的辐照数据预测得到下一时刻对应的预测辐照数据;
将所述预测辐照数据输入至光伏电站数字孪生模型,计算得到所述下一时刻对应的最大计算发电功率及跟踪角度;
根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度。
在第一方面一种可能的实现方式中,所述根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度,包括:
比较下一时刻对应的最大计算发电功率与最大预测发电功率的大小关系;
当所述最大计算发电功率大于所述最大预测发电功率时,确定所述最大计算发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度;
当所述最大预测发电功率大于所述最大计算发电功率时,确定所述最大预测发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度。
在第一方面另一种可能的实现方式中,所述方法还包括:
根据所述下一时刻对应的所述预测辐照数据、最大发电功率及目标跟踪角度,更新所述状态转移算法模型。
在第一方面又一种可能的实现方式中,基于历史发电功率数据、历史辐照数据和历史跟踪角度训练得到状态转移算法模型的过程,包括:
基于各个时刻对应的历史辐照数据和历史发电功率数据,获得各历史辐照数据对应的发电功率概率分布;
按照所述发电功率概率分布,以及历史发电功率数据与历史跟踪角度之间的映射关系,得到状态转移算法模型。
在第一方面再一种可能的实现方式中,将所述预测辐照数据输入至光伏电站数字孪生模型,计算得到所述下一时刻对应的最大计算发电功率及跟踪角度,包括:
将下一时刻对应的预测辐照数据输入至光伏电站数字孪生模型,分别计算得到光伏组串在各跟踪角度所对应的计算发电功率;
从各跟踪角度对应的计算发电功率中选取数值最大的发电功率,得到所述下一时刻对应的最大计算发电功率及对应的跟踪角度。
在第一方面另一种可能的实现方式中,在所述获取当前时刻测量的辐照数据之后,所述方法还包括:
计算当前时刻的辐照数据中的直射组分数据与散射组分数据的比值,得到直散比;
当所述直散比小于预设阈值时,执行所述将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度步骤。
在第一方面又一种可能的实现方式中,所述方法还包括:
当所述直散比大于等于所述预设阈值时,基于天文算法模型计算当前时刻对应的跟踪角度,其中,所述天文算法模型根据光伏组串所处地理位置的经纬度坐标计算得到太阳的方向角作为跟踪角度。
在第一方面再一种可能的实现方式中,根据当前时刻测量的辐照数据预测得到下一时刻对应的预测辐照数据,包括:
将所述当前时刻测量的辐照数据输入至辐照预测模型中,得到下一时刻对应的预测辐照数据,其中,所述辐照预测模型根据历史辐照数据训练得到。
在第一方面另一种可能的实现方式中,所述方法还包括:
将光伏组串的跟踪支架的角度调整为所述下一时刻对应的目标跟踪角度。
第二方面,本发明还提供了一种光伏组串跟踪支架控制装置,包括:
辐照数据获取模块,用于获取当前时刻测量的辐照数据;
第一跟踪角度获取模块,用于将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度,其中,所述状态转移算法模型表征从任一跟踪角度转移至下一跟踪角度的概率分布;
预测辐照获取模块,用于根据当前时刻测量的辐照数据预测得到下一时刻对应的预测辐照数据;
第二跟踪角度获取模块,用于将所述预测辐照数据输入至光伏电站数字孪生模型,计算得到所述下一时刻对应的最大计算发电功率及跟踪角度;
确定模块,用于根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度。
第三方面,本发明还提供了一种服务器,包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现第一方面任一项所述的光伏组串跟踪支架控制方法。
第四方面,本发明还提供了一种逆变器,包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现第一方面任一项所述的光伏组串跟踪支架控制方法。
第五方面,本发明还提供了一种光伏系统,包括:光伏组串、跟踪支架、跟踪支架控制器、逆变器和服务器;
所述光伏组串固定在所述跟踪支架上;
所述逆变器或所述服务器,用于执行第一方面任一项所述的方法获得目标跟踪角度,并根据所述目标跟踪角度生成支架角度调整指令发送至跟踪支架控制器;
所述跟踪支架控制器用于根据所述支架角度调整指令控制所述跟踪支架的角度。
本发明提供的光伏组串跟踪支架控制方法,获得当前时刻测量的辐照数据后,以当前时刻的辐照数据对应的跟踪角度为初始状态,根据状态转移算法模型获得下一时刻出现概率最大的跟踪角度及最大预测发电功率。以及,利用当前时刻测量的辐照数据预测下一时刻的预测辐照数据,并输入至光伏电站数字孪生模型得到下一时刻对应的最大计算发电功率及跟踪角度;最后,根据下一时刻对应的最大计算发电功率和最大预测发电功率确定下一时刻对应的目标跟踪角度。其中,状态转移模型是通过学习历史数据中辐照数据与跟踪角度之间的关系以及概率分布得到,可见,根据状态转移算法模型能获得历史数据中下一时刻最可能出现的发电功率和跟踪角度;同时,利用光伏电站数字孪生模型计算得到的下一时刻的最大计算发电功率修正状态转移算法模型得到的最大预测发电功率。与传统的在辐照强度较差的光伏组串旋转至水平状态的方式相比,该方案得到的跟踪角度能够根据不同的天气条件始终保证光伏组串输出最大发电功率,从而最大程度地提高光伏发电功率,优化光伏组串的瞬时发电功率,提升系统发电能力。
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是本申请实施例提供的一种带有跟踪支架的光伏系统的结构示意图;
图2是本申请实施例提供的一种光伏组串跟踪控制方法的流程图;
图3是本申请实施例提供的另一种光伏组串的跟踪支架控制方法的流程图;
图4是本申请实施例提供的又一种光伏组串跟踪支架控制方法的流程图;
图5是本申请实施例提供的一种光伏组串跟踪控制装置的框图;
图6是本申请实施例提供的一种第二跟踪角度获取模块的框图;
图7是本申请实施例提供的一种确定模块的框图;
图8是本申请实施例提供的又一种光伏组串跟踪控制装置的框图;
图9是本申请实施例提供的再一种光伏组串跟踪控制装置的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
请参见图1,示出了本申请实施例提供的一种带有跟踪支架的光伏系统的结构示意图,如图1所示,该系统包括:服务器1、逆变器2、跟踪支架控制器3、跟踪支架4、光伏组串5。
光伏组串5安装固定在跟踪支架4上,通过旋转跟踪支架4的角度来调整光伏组串的朝向。
跟踪支架控制器3用于根据接收到的控制指令控制跟踪支架4旋转至目标跟踪角度。
数据采集装置6用于采集光伏组串的功率数据,并上传至服务器1和/或逆变器2。
逆变器2用于对光伏组串输出功率变换为交流电,此外,逆变器2能够与服务器1之间进行通讯,例如,向服务器上传数据或接收云服务器平台下发的指令等。
服务器1用于执行跟踪支架的控制算法,支持指令下发及数据存储。服务器1可以是独立的服务器、或者多台服务器构成的服务器集群,或者是云服务器。
在一种应用场景下,服务器1接收系统中光伏组串5及逆变器2上传的数据,利用跟踪支架控制算法得到跟踪支架4的目标跟踪角度,并向逆变器2下发相应的角度跟踪指令,进一步,逆变器2将接收到的角度跟踪指令发送至跟踪支架控制器3,由跟踪支架控制器3控制跟踪支架4的角度。
在另一种应用场景下,逆变器2具有边缘计算功能,除可以执行服务器下发的控制指令外,还可以在通讯系统空闲时下载控制指令,此处的控制指令包括但不限于角度跟踪指令;在通讯繁忙或脱机状态下通过边缘计算功能执行本地的控制指令,在通讯系统空闲或重新上线后上传数据以进行“云边结合”的控制模式。
下面将结合图2详细介绍跟踪角度控制方法的具体流程。
请参见图2,示出了本申请实施例提供的一种光伏组串跟踪控制方法的流程图,该方法可以应用于图1所示的服务器1或逆变器2中。如图2所示,该方法可以包括以下步骤:
S110,获取当前时刻测量的辐照数据。
可以获取光伏电站本地的太阳辐照传感器采集的当前时刻对应的辐照数据。
S120,将辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度。
所述状态转移算法模型表征从任一辐照数据对应的跟踪角度转移至下一跟踪角度的概率分布;其中,状态转移算法模型可以通过学习历史数据中任一时刻的跟踪角度与下一时刻的跟踪角度之间的关系获得。
将当前时刻的辐照数据输入至状态转移算法模型,输出下一时刻的跟踪角度及该跟踪角度对应的预测发电功率。
S130,根据当前时刻的辐照数据预测得到下一时刻对应的预测辐照数据。
在本申请的一个实施例中,根据历史辐照数据训练得到辐照预测模型,将当前时刻的辐照数据输入该模型,模型会输出下一时刻对应的辐照数据,即预设辐照数据。
S140,将预测辐照数据输入至光伏电站数字孪生模型,计算得到下一时刻对应的最大计算发电功率及跟踪角度。
光伏电站数字孪生模型是把光伏电站在物理环境下的电站实体在本地计算机或者服务器上建立数字化模型,能够以实际系统相同的时间戳,生成与实际系统所采集的关键测量指标对应的计算值,并通过实际系统与数字孪生模型的通讯连接,实现计算值与实际值之间的交互,达到使用数字孪生模型对实际系统进行控制或决策的目的。通常而言,实际系统拓扑中每一个关键部件或模块,都可以在数字孪生模型中找到与之对应的数学抽象模型;数字孪生模型的输入和输出通常与实际系统输入和输出对应,而且,通常是实际系统输入输出物理量的数字化。
本申请的实施例中,数字孪生模型的输入是下一时刻的预测辐照数据,它与历史太阳辐照数据的采集点、数据格式等都相同,只是时间周期更趋于未来,数字孪生模型的输出是光伏电站下一时刻对应的发电功率数据,即预设发电功率。
利用数字孪生模型能够仿真计算出在保持预测辐照数据不变的天气条件下,光伏组串对应的最大计算发电功率,在本申请的一个实施例中,该过程可以包括如下步骤:
1),将下一时刻对应的预测辐照数据输入至光伏电站数字孪生模型,分别计算得到光伏组串在各跟踪角度所对应的计算发电功率。
2),从各跟踪角度对应的计算发电功率中选取出数值最大的发电功率,得到所述下一时刻对应的最大计算发电功率及对应的跟踪角度。
S150,根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度。
将下一时刻对应的最大计算发电功率和最大预测发电功率中的最大值对应的跟踪角度确定为下一时刻的目标跟踪角度,从而使跟踪角度始终朝向最大发电功率的方向调整。
在本申请的一个实施例中,确定下一时刻对应的目标跟踪角度的过程如下:
比较下一时刻对应的最大计算发电功率与最大预测发电功率的大小关系。
当所述最大计算发电功率大于所述最大预测发电功率时,确定所述最大计算发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度。
当所述最大预测发电功率大于所述最大计算发电功率时,确定所述最大预测发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度。
进一步,该方法还可以包括以下步骤:
S160,将光伏组串的跟踪支架的角度调整为下一时刻对应的目标跟踪角度。
即根据S150确定的目标跟踪角度,调整光伏组串的跟踪支架的角度,以优化该光伏组串的发电功率。
本实施例提供的光伏组串的跟踪支架的控制方法,根据当前时刻测得的辐照数据,以该辐照数据对应的跟踪角度为初始状态,根据状态转移算法模型能获得历史数据中下一时刻最可能出现的发电功率(即,最大预测发电功率)和跟踪角度;同时,利用光伏电站数字孪生模型计算得到的下一时刻的最大计算发电功率来修正状态转移算法模型得到的最大预测发电功率。与传统的在辐照强度较差的光伏组串旋转至水平状态的方式相比,该方案得到的跟踪角度能够根据不同的天气条件始终保证光伏组串输出最大发电功率,从而最大程度地提高光伏发电功率,优化光伏组串的瞬时发电功率,提升系统发电能力。
请参见图3,示出了本申请实施例提供的另一种光伏组串的跟踪支架控制方法的流程图,该方法在图2所示实施例的基础上,还包括以下步骤:
S210,基于各个时刻对应的历史辐照数据和历史发电功率数据,获得各历史辐照数据对应的发电功率概率分布。
获得光伏组串发电的历史数据后,就能确定该光伏组串在各种天气条件下、不同时间节点(例如,每分钟或每小时)的发电功率和跟踪角度,那么,通过学习历史数据得到各辐照下对应的发电功率概率分布。
S220,按照所述发电功率概率分布,以及历史发电功率数据与历史跟踪角度之间的映射关系,得到状态转移算法模型。
在一种可能的实现方式中,根据发送功率概率分布生成状态转移概率矩阵,该状态转移概率矩阵表征了任一时刻对应的发电功率在下一时刻变为其他功率数值的概率分布。由于发电功率的主要因素是太阳辐照,即辐照数据与发电功率之间具有某种映射关系,因此,根据功率状态转移概率矩阵及辐照数据与发电功率之间的映射关系,即可获得辐照数据与发电功率的状态转移概率矩阵。
而且,跟踪支架的角度(即,跟踪角度)不同也会影响发电功率的数值,即跟踪角度与发电功率之间存在一定的映射关系,因此,根据辐照数据与发电功率的状态转移概率矩阵,以及发电功率与跟踪角度的映射关系,得到辐照数据与跟踪角度的状态转移概率矩阵。
已知当前时刻的辐照数据,利用辐照与跟踪角度的状态转移概率矩阵即可获得下一时刻出现概率最大的跟踪角度。
S210和S220的过程是训练状态转移算法模型的过程。
在本申请的一个实施例中,如图3所示,在利用图2所示的流程获得下一时刻对应的目标跟踪角度之后,所述还包括以下步骤:
S230,根据下一时刻的预测辐照数据、最大发电功率及目标跟踪角度,更新状态转移算法模型。
在一个实施例中,在S150得到下一时刻对应的目标跟踪角度后,将下一时刻的预测辐照数据、最大发电功率数据和目标跟踪角度作为下一时刻的训练数据,并利用新加入的训练数据更新状态转移算法模型,例如,更新辐照数据与跟踪角度的状态转移概率矩阵中的概率值。
由于训练状态转移算法模型的历史数据均是基于天文算法得到的跟踪角度,例如,将辐照条件较差的光伏组串旋转至水平状态,因此,基于这些历史数据训练得到的状态转移算法模型与天文算法的控制结果相似,并不能提升太阳辐照较差的天气条件下的光伏组串的发电功率,因此,需要不断利用新的训练数据(即,下一时刻的数据)更新状态转移算法模型,随着加入训练数据集的数据量不断增多,状态转移算法模型的准确率也不断提升。
本实施例提供的光伏组串跟踪支架控制方法,通过学习历史数据获得当前时刻对应的任一辐照数据对应的跟踪角度在下一时刻转移到其他跟踪角度的概率分布,获得状态转移算法模型。在实际控制过程中,利用状态转移算法模型和光伏电站数字孪生模型获得下一时刻的目标跟踪角度后,将下一时刻的数据作为训练数据进一步更新状态转移算法模型,以使状态转移算法模型能够不断从新数据中学习到不同辐照条件下使光伏组串始终向着优化发电功率的方向调整跟踪角度的过程,不断提高利用状态转移算法模型优化光伏组串的发电功率的准确率,进而提升整个系统的发电量。
请参见图4,示出了本申请实施例提供的又一种光伏组串跟踪支架控制方法的流程图,该方法在图2所示实施例的基础上还包括以下步骤:
S310,计算当前时刻的辐照数据中的直射组分数据与散射组分数据的比值,得到直散比。
直散比越高表明太阳辐照强度越高,例如,晴天时直散比较高,反之,直散比越低表明辐照强度越低,例如,阴天、多云、雨天等天气条件下辐照直散比就较低。
S320,判断当前时刻的辐照数据直散比是否大于预设阈值,如果是,则执行S330;如果否,则执行S120。
预设阈值可以根据光伏电站所处地理位置的辐照情况具体确定。
S330,基于天文算法模型计算当前时刻对应的跟踪角度。
其中,天文算法模型根据光伏组串所处地理位置的经纬度坐标计算得到太阳的方向角作为跟踪角度。
如果辐照直散比大于预设阈值,则认为辐照强度较高,可以采用比较简单的跟踪控制策略,即基于天文算法的控制策略,如将辐照强度较差的光伏组串旋转至水平状态,或者,在每日特定时段进行反向跟踪,从而优化整个光伏发电系统的整体发电量。
如果辐照直散比小于或等于预设阈值,则认为辐照强度较低,此种情况下,可以采用图2或图3所示的跟踪支架控制方法。
本实施例提供的光伏组串的跟踪支架控制方法,在辐照直散比高于预设阈值时,选择基于天文算法的控制模式,基于天文算法的控制算法简单、轻便,从而简化控制逻辑;当辐照直散比小于等于预设阈值时,选择基于状态转移算法模型的控制模式,该控制模式属于数据驱动方案,可以在基于天文算法的控制模式基础上优化辐照直散比较低(如,阴天、多云、雨天等)的天气条件下的发电功率,该方案提供的控制方案更合理、更精确,能够最大程度地提升光伏组串的瞬间发电功率及整个系统的发电量。
相应于上述的光伏组串的跟踪支架控制方法实施例,本申请还提供了光伏组串的跟踪支架控制装置实施例。
请参见图5,示出了本申请实施例提供的一种光伏组串的跟踪支架控制装置的框图,该装置可以应用于服务器或逆变器。如图5所示,该装置可以包括:
辐照数据获取模块110,用于获取当前时刻测量的辐照数据。
第一跟踪角度获取模块120,用于将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度。
其中,所述状态转移算法模型表征从任一跟踪角度转移至下一跟踪角度的概率分布。
在一示例性实施例中,状态转移算法模型的训练过程如下:
基于各个时刻对应的历史辐照数据和历史发电功率数据,获得各历史辐照数据对应的发电功率概率分布;
按照所述发电功率概率分布,以及历史发电功率数据与历史跟踪角度之间的映射关系,得到状态转移算法模型。
预测辐照获取模块130,用于根据当前时刻测量的辐照数据预测得到下一时刻对应的预测辐照数据。
在一示例性实施例中,将当前时刻测量的辐照数据输入至辐照预测模型中,得到下一时刻对应的预测辐照数据。
其中,辐照预测模型根据历史辐照数据训练得到。
第二跟踪角度获取模块140,用于将所述预测辐照数据输入至光伏电站数字孪生模型,计算得到所述下一时刻对应的最大计算发电功率及跟踪角度。
在一示例性实施例中,如图6所示,第二跟踪角度获取模块140可以包括:
计算发电功率计算子模块141,用于将下一时刻对应的预测辐照数据输入至光伏电站数字孪生模型,分别计算得到光伏组串在各跟踪角度所对应的计算发电功率。
选取子模块142,用于从各跟踪角度对应的计算发电功率中选取数值最大的发电功率,得到所述下一时刻对应的最大计算发电功率及对应的跟踪角度。
确定模块150,用于根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度。
在一示例性实施例中,如图7所示,确定模块150包括:
比较子模块151,用于比较下一时刻对应的最大计算发电功率与最大预测发电功率的大小关系。
第一确定子模块152,用于当所述最大计算发电功率大于所述最大预测发电功率时,确定所述最大计算发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度。
第二确定子模块153,用于当所述最大预测发电功率大于所述最大计算发电功率时,确定所述最大预测发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度。
在一示例性实施例中,如图5所示,该装置还可以包括:
跟踪角度调整模块160,用于将光伏组串的跟踪支架的角度调整为所述下一时刻对应的目标跟踪角度。
本实施例提供的光伏组串的跟踪支架的控制装置,根据当前时刻测得的辐照数据,以该辐照数据对应的跟踪角度为初始状态,根据状态转移算法模型能获得历史数据中下一时刻最可能出现的发电功率(即,最大预测发电功率)和跟踪角度;同时,利用光伏电站数字孪生模型计算得到的下一时刻的最大计算发电功率来修正状态转移算法模型得到的最大预测发电功率。与传统的在辐照强度较差的光伏组串旋转至水平状态的方式相比,该方案得到的跟踪角度能够根据不同的天气条件始终保证光伏组串输出最大发电功率,从而最大程度地提高光伏发电功率,优化光伏组串的瞬时发电功率,提升系统发电能力。
在本申请的另一个实施例中,如图8所示,该装置还可以包括:
模型更新模块210,用于根据所述下一时刻对应的所述预测辐照数据、最大发电功率及目标跟踪角度,更新所述状态转移算法模型。
本实施例提供的光伏组串跟踪支架控制方法,通过学习历史数据获得当前时刻对应的任一辐照数据对应的跟踪角度在下一时刻转移到其他跟踪角度的概率分布,获得状态转移算法模型。在实际控制过程中,利用状态转移算法模型和光伏电站数字孪生模型获得下一时刻的目标跟踪角度后,将下一时刻的数据作为训练数据进一步更新状态转移算法模型,以使状态转移算法模型能够不断从新数据中学习到不同辐照条件下使光伏组串始终向着优化发电功率的方向调整跟踪角度的过程,不断提高利用状态转移算法模型优化光伏组串的发电功率的准确率,进而提升整个系统的发电量。
在本申请的又一个实施例中,如图9所示,该装置还可以包括:
辐照直散比计算模块310,用于计算当前时刻的辐照数据中的直射组分数据与散射组分数据的比值,得到直散比。
当所述直散比小于预设阈值时,触发第一跟踪角度获取模块120执行将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度步骤。
第三跟踪角度获取模块320,用于当所述直散比大于等于所述预设阈值时,基于天文算法模型计算当前时刻对应的跟踪角度。
其中,所述天文算法模型根据光伏组串所处地理位置的经纬度坐标计算得到太阳的方向角作为跟踪角度。
本实施例提供的光伏组串的跟踪支架控制装置,在辐照直散比高于预设阈值时,选择基于天文算法的控制模式,基于天文算法的控制算法简单、轻便,从而简化控制逻辑;当辐照直散比小于等于预设阈值时,选择基于状态转移算法模型的控制模式,该控制模式属于数据驱动方案,可以在基于天文算法的控制模式基础上优化辐照直散比较低(如,阴天、多云、雨天等)的天气条件下的发电功率,该方案提供的控制方案更合理、更精确,能够最大程度地提升光伏组串的瞬间发电功率及整个系统的发电量。
另一方面,本申请还提供了一种服务器实施例,该服务器包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现上述任一种光伏组串跟踪支架控制方法。
又一方面,本申请还提供了一种逆变器的实施例,该逆变器包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现上述任一种光伏组串跟踪支架控制方法。
再一方面,本申请还提供了一种计算设备可执行的存储介质,该存储介质中存储有程序,该程序由计算设备执行时实现上述任一种光伏组串跟踪支架控制方法。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是,本说明书中的各个实施例记载的技术特征可以相互替代或组合,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请各实施例中的装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,模块或子模块的划分,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,例如多个子模块或模块可以结合或者可以集成到另一个模块,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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的,作为模块或子模块的部件可以是或者也可以不是物理模块或子模块,即可以位于一个地方,或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中,也可以是各个模块或子模块单独物理存在,也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现,也可以采用软件功能模块或子模块的形式实现。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种光伏组串跟踪支架控制方法,其特征在于,包括:
获取当前时刻测量的辐照数据;
将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度,其中,所述状态转移算法模型表征从任一跟踪角度转移至下一跟踪角度的概率分布;
根据当前时刻测量的辐照数据预测得到下一时刻对应的预测辐照数据;
将所述预测辐照数据输入至光伏电站数字孪生模型,计算得到所述下一时刻对应的最大计算发电功率及跟踪角度;
根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度。
2.根据权利要求1所述的方法,其特征在于,所述根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度,包括:
比较下一时刻对应的最大计算发电功率与最大预测发电功率的大小关系;
当所述最大计算发电功率大于所述最大预测发电功率时,确定所述最大计算发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度;
当所述最大预测发电功率大于所述最大计算发电功率时,确定所述最大预测发电功率对应的跟踪角度为下一时刻对应的目标跟踪角度。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据所述下一时刻对应的所述预测辐照数据、最大发电功率及目标跟踪角度,更新所述状态转移算法模型。
4.根据权利要求1所述的方法,其特征在于,基于历史发电功率数据、历史辐照数据和历史跟踪角度训练得到状态转移算法模型的过程,包括:
基于各个时刻对应的历史辐照数据和历史发电功率数据,获得各历史辐照数据对应的发电功率概率分布;
按照所述发电功率概率分布,以及历史发电功率数据与历史跟踪角度之间的映射关系,得到状态转移算法模型。
5.根据权利要求1所述的方法,其特征在于,将所述预测辐照数据输入至光伏电站数字孪生模型,计算得到所述下一时刻对应的最大计算发电功率及跟踪角度,包括:
将下一时刻对应的预测辐照数据输入至光伏电站数字孪生模型,分别计算得到光伏组串在各跟踪角度所对应的计算发电功率;
从各跟踪角度对应的计算发电功率中选取数值最大的发电功率,得到所述下一时刻对应的最大计算发电功率及对应的跟踪角度。
6.根据权利要求1所述的方法,其特征在于,在所述获取当前时刻测量的辐照数据之后,所述方法还包括:
计算当前时刻的辐照数据中的直射组分数据与散射组分数据的比值,得到直散比;
当所述直散比小于预设阈值时,执行所述将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度步骤。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当所述直散比大于等于所述预设阈值时,基于天文算法模型计算当前时刻对应的跟踪角度,其中,所述天文算法模型根据光伏组串所处地理位置的经纬度坐标计算得到太阳的方向角作为跟踪角度。
8.根据权利要求1-7任一项所述的方法,其特征在于,根据当前时刻测量的辐照数据预测得到下一时刻对应的预测辐照数据,包括:
将所述当前时刻测量的辐照数据输入至辐照预测模型中,得到下一时刻对应的预测辐照数据,其中,所述辐照预测模型根据历史辐照数据训练得到。
9.根据权利要求1-7任一项所述的方法,其特征在于,所述方法还包括:
将光伏组串的跟踪支架的角度调整为所述下一时刻对应的目标跟踪角度。
10.一种光伏组串跟踪支架控制装置,其特征在于,包括:
辐照数据获取模块,用于获取当前时刻测量的辐照数据;
第一跟踪角度获取模块,用于将所述辐照数据输入至预先得到的状态转移算法模型,获得下一时刻的最大预测发电功率及跟踪角度,其中,所述状态转移算法模型表征从任一跟踪角度转移至下一跟踪角度的概率分布;
预测辐照获取模块,用于根据当前时刻测量的辐照数据预测得到下一时刻对应的预测辐照数据;
第二跟踪角度获取模块,用于将所述预测辐照数据输入至光伏电站数字孪生模型,计算得到所述下一时刻对应的最大计算发电功率及跟踪角度;
确定模块,用于根据下一时刻对应的所述最大计算发电功率和所述最大预测发电功率中的最大值,确定下一时刻对应的目标跟踪角度。
11.一种服务器,其特征在于,包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现权利要求1-9任一项所述的光伏组串跟踪支架控制方法。
12.一种逆变器,其特征在于,包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现权利要求1-9任一项所述的光伏组串跟踪支架控制方法。
13.一种光伏系统,其特征在于,包括:光伏组串、跟踪支架、跟踪支架控制器、逆变器和服务器;
所述光伏组串固定在所述跟踪支架上;
所述逆变器或所述服务器,用于执行权利要求1-9任一项所述的方法获得目标跟踪角度,并根据所述目标跟踪角度生成支架角度调整指令发送至跟踪支架控制器;
所述跟踪支架控制器用于根据所述支架角度调整指令控制所述跟踪支架的角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315322.5A CN113075940B (zh) | 2021-03-24 | 2021-03-24 | 一种光伏组串跟踪支架控制方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315322.5A CN113075940B (zh) | 2021-03-24 | 2021-03-24 | 一种光伏组串跟踪支架控制方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113075940A CN113075940A (zh) | 2021-07-06 |
CN113075940B true CN113075940B (zh) | 2022-07-12 |
Family
ID=76610616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110315322.5A Active CN113075940B (zh) | 2021-03-24 | 2021-03-24 | 一种光伏组串跟踪支架控制方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113075940B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625785B (zh) * | 2021-09-08 | 2024-08-20 | 阳光新能源开发股份有限公司 | 一种光伏跟踪方法、装置、跟踪控制器及光伏跟踪系统 |
CN114154688B (zh) * | 2021-11-18 | 2024-09-17 | 北京华能新锐控制技术有限公司 | 光伏电站的短期功率预测方法 |
CN114237309A (zh) * | 2021-12-15 | 2022-03-25 | 新奥数能科技有限公司 | 一种光伏组件的角度调节方法和装置 |
CN114967823A (zh) * | 2022-06-07 | 2022-08-30 | 河北工程大学 | 基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置 |
CN115324301B (zh) * | 2022-08-31 | 2024-01-26 | 中国能源建设集团安徽省电力设计院有限公司 | 一种墙面光伏系统及其控制方法 |
CN117155237B (zh) * | 2023-03-17 | 2024-05-17 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种基于数字孪生的光伏跟踪支架系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110029730A (ko) * | 2009-09-16 | 2011-03-23 | 전남대학교산학협력단 | 전력정보를 이용한 태양광 추적시스템 |
CN107317556A (zh) * | 2017-08-28 | 2017-11-03 | 苏州思创源博电子科技有限公司 | 一种光伏发电站的智能监控方法 |
CN109344491A (zh) * | 2018-09-27 | 2019-02-15 | 河北工业大学 | 一种考虑天气状态变化和云层遮挡的太阳辐照度建模方法 |
CN109861201A (zh) * | 2018-11-13 | 2019-06-07 | 中国电力科学研究院有限公司 | 一种新能源出力状态计算方法和系统 |
CN110717985A (zh) * | 2019-09-18 | 2020-01-21 | 同济大学 | 一种建筑数字孪生平台的构建方法 |
CN111693020A (zh) * | 2020-06-22 | 2020-09-22 | 合肥阳光新能源科技有限公司 | 光伏组串方位角确定方法、组串重组方法及相关装置 |
CN211718767U (zh) * | 2020-03-26 | 2020-10-20 | 杭州帷盛科技有限公司 | 一种自动测定最优跟踪角的传感装置 |
CN111815021A (zh) * | 2020-06-04 | 2020-10-23 | 上海电力大学 | 一种基于太阳辐射气候特征识别的光伏功率预测方法 |
CN114020047A (zh) * | 2021-10-21 | 2022-02-08 | 桑夏太阳能股份有限公司 | 分布式光伏电站中光伏组件倾角与朝向的优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201419009A (zh) * | 2012-11-01 | 2014-05-16 | Univ Nat Taiwan | 追日式太陽能光電系統增益之預估方法 |
-
2021
- 2021-03-24 CN CN202110315322.5A patent/CN113075940B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110029730A (ko) * | 2009-09-16 | 2011-03-23 | 전남대학교산학협력단 | 전력정보를 이용한 태양광 추적시스템 |
CN107317556A (zh) * | 2017-08-28 | 2017-11-03 | 苏州思创源博电子科技有限公司 | 一种光伏发电站的智能监控方法 |
CN109344491A (zh) * | 2018-09-27 | 2019-02-15 | 河北工业大学 | 一种考虑天气状态变化和云层遮挡的太阳辐照度建模方法 |
CN109861201A (zh) * | 2018-11-13 | 2019-06-07 | 中国电力科学研究院有限公司 | 一种新能源出力状态计算方法和系统 |
CN110717985A (zh) * | 2019-09-18 | 2020-01-21 | 同济大学 | 一种建筑数字孪生平台的构建方法 |
CN211718767U (zh) * | 2020-03-26 | 2020-10-20 | 杭州帷盛科技有限公司 | 一种自动测定最优跟踪角的传感装置 |
CN111815021A (zh) * | 2020-06-04 | 2020-10-23 | 上海电力大学 | 一种基于太阳辐射气候特征识别的光伏功率预测方法 |
CN111693020A (zh) * | 2020-06-22 | 2020-09-22 | 合肥阳光新能源科技有限公司 | 光伏组串方位角确定方法、组串重组方法及相关装置 |
CN114020047A (zh) * | 2021-10-21 | 2022-02-08 | 桑夏太阳能股份有限公司 | 分布式光伏电站中光伏组件倾角与朝向的优化方法 |
Non-Patent Citations (7)
Title |
---|
Kim, Gi Yong.Solar Panel Tilt Angle Optimization Using Machine Learning Model: A Case Study of Daegu City, South Korea.《ENERGIES》.2020, * |
Rayati, Mohammad.Generation Data of Synthetic High Frequency Solar Irradiance for Data-Driven Decision-Making in Electrical Distribution Grids.《ENERGIES》.2021, * |
孙荣富 等.基于数字孪生的光伏发电功率超短期预测.《电网技术》.2021, * |
杨磊.基于数字孪生的光伏跟踪支架控制系统研究.《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》.2022, * |
胡牧 等.基于太阳辐射的光伏电站可靠性模型及算例分析.《电子测量技术》.2019, * |
车本佳等.太阳能最大功率跟踪装置的设计.《节能技术》.2011, * |
鲍安平.光伏发电中太阳辐照度短期优化预测仿真.《计算机仿真》.2017,(第10期), * |
Also Published As
Publication number | Publication date |
---|---|
CN113075940A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113075940B (zh) | 一种光伏组串跟踪支架控制方法及相关装置 | |
Bacher et al. | Online short-term solar power forecasting | |
JP5658881B2 (ja) | 太陽光発電装置の電気生産量を予測する方法 | |
WO2017035884A1 (zh) | 适用于光伏系统全生命周期的输出功率分类预测系统 | |
EP3824546B1 (en) | Techniques for estimating and forecasting solar power generation | |
Junior et al. | On the use of maximum likelihood and input data similarity to obtain prediction intervals for forecasts of photovoltaic power generation | |
Ma et al. | A short-term prediction model to forecast power of photovoltaic based on MFA-Elman | |
JP6193008B2 (ja) | 予測システム、予測装置および予測方法 | |
KR102338519B1 (ko) | 실시간 신재생에너지 발전량 추정 시스템 | |
CN116581755B (zh) | 功率预测方法、装置、设备及存储介质 | |
CN116070728B (zh) | 光伏发电系统发电量预测方法、设备、系统及介质 | |
US11387652B2 (en) | Systems and methods for enhanced reactive power management in a hybrid environment | |
CN114253302B (zh) | 一种跟踪控制方法及装置 | |
CN116706903B (zh) | 光伏发电量预测方法、装置、设备及介质 | |
CN109767353A (zh) | 一种基于概率分布函数的光伏发电功率预测方法 | |
CN116742626B (zh) | 考虑大气混沌特征的风光联合功率集合预测方法及装置 | |
KR102675595B1 (ko) | 장기 태양광 발전량 예측 시스템 | |
CN113947007A (zh) | 能源的负荷预测方法、装置及设备 | |
CN116024747A (zh) | 一种电网的动态平衡自治方法、装置、设备及存储介质 | |
WO2023009070A2 (en) | Method and apparatus for forecasting optical power, computer device and storage medium | |
Ponce et al. | Swarm-based nature-inspired algorithm and genetic algorithms for optimizing a sun tracker trajectory | |
CN117498452B (zh) | 一种配电网分布式光伏消纳方法及系统 | |
JP7021384B1 (ja) | 発電制御装置、発電制御方法及びプログラム | |
Zhang et al. | An Industrial Photovoltaic Prediction Model Based on Probabilistic Sparse Attention Mechanism of Temporal Convolution Network | |
Oh et al. | A novel model to estimate regional differences in time-series solar and wind forecast predictability across small regions: A case study in South Korea |
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 |