CN113485462B - 一种光伏跟踪控制方法、装置及系统 - Google Patents

一种光伏跟踪控制方法、装置及系统 Download PDF

Info

Publication number
CN113485462B
CN113485462B CN202110774216.3A CN202110774216A CN113485462B CN 113485462 B CN113485462 B CN 113485462B CN 202110774216 A CN202110774216 A CN 202110774216A CN 113485462 B CN113485462 B CN 113485462B
Authority
CN
China
Prior art keywords
tracking
photovoltaic module
current
intelligent detection
different
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
Application number
CN202110774216.3A
Other languages
English (en)
Other versions
CN113485462A (zh
Inventor
云平
崔鑫
徐君
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.)
Sungrow Power Supply Co Ltd
Original Assignee
Sungrow Power Supply Co Ltd
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 Sungrow Power Supply Co Ltd filed Critical Sungrow Power Supply Co Ltd
Priority to CN202110774216.3A priority Critical patent/CN113485462B/zh
Publication of CN113485462A publication Critical patent/CN113485462A/zh
Application granted granted Critical
Publication of CN113485462B publication Critical patent/CN113485462B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D3/00Control of position or direction
    • G05D3/12Control of position or direction using feedback
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy

Abstract

本发明提供了本发明公开的一种光伏跟踪控制方法、装置及系统,通过调用预先构建的正面电流预测模型和背面电流预测模型,根据待调整跟踪轴的纬度实现对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流的准确预测,相对于现有技术中的辐照度,由于光伏组件的正面电流和背面电流更能准确反映光伏组件的发电特征,因此,光伏组件的正面电流和背面电流之和最大时对应的跟踪角度为待预测周期内待调整跟踪轴的最优角度,将待预测周期内待调整跟踪轴的角度调整为该角度,实现光伏组件发电量最大化。

Description

一种光伏跟踪控制方法、装置及系统
技术领域
本发明涉及光伏发电技术领域,更具体的,涉及一种光伏跟踪控制方法、装置及系统。
背景技术
随着双面组件与跟踪轴结合的光伏系统的应用规模不断扩大,如何准确调整跟踪轴角度使光伏组件发电量最大化,成为本领域亟待解决的技术问题。
目前,一般利用环境监测仪获取辐照度信息,在天文算法的基础上进行跟踪轴角度优化。但是,环境监测仪只能获取电池片正面的辐照度信息,无法获取电池片背面的辐照度信息,利用环境监测仪获取的辐照度信息不能准确反应电池片整体辐照度信息,并且辐照度信息也仅为影响光伏组件发电的其中一个因素,无法准确反应光伏组件的发电特征。因此,利用环境监测仪获取辐照度信息,在天文算法的基础上进行跟踪轴角度优化的方法,无法实现跟踪角度最优。
发明内容
有鉴于此,本发明提供的一种光伏跟踪控制方法、装置及系统,通过对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流进行准确预测,实现跟踪角度最优。
为了实现上述发明目的,本发明提供的具体技术方案如下:
一种光伏跟踪控制方法,应用于光伏跟踪控制系统中的跟踪轴控制设备,所述光伏跟踪控制系统还包括多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个普通光伏组件,所述方法包括:
在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度;
分别调用预先构建的正面电流预测模型和背面电流预测模型,根据所述待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
将所述待预测周期内所述待调整跟踪轴的角度调整为所述目标跟踪角度。
可选的,构建所述正面电流预测模型和所述背面电流预测模型,包括:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流确定为所述正面电流预测模型的训练集,并将历史不同周期、不同纬度、不同跟踪角度下智能检测光伏组件的背面电流确定为所述背面电流预测模型的训练集;
利用所述正面电流预测模型的训练集对预设机器学习模型进行训练,得到所述正面电流预测模型,并利用所述背面电流预测模型的训练集对预设机器学习模型进行训练,得到所述背面电流预测模型。
可选的,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流,包括:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件发送的每个电池串的电流;
依据预设规则确定不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流和典型单面电池串的电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型单面电池串的电流确定为正面电流,并将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流与典型单面电池串的电流的差值确定为背面电流。
可选的,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,确定待调整跟踪轴对应的智能检测光伏组件是否存在遮挡,包括:
接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流;
对同类型电池串的电流进行比较,确定智能检测光伏组件是否存在遮挡。
可选的,在确定待调整跟踪轴对应的智能检测光伏组件存在遮挡的情况下,所述方法还包括:
确定智能检测光伏组件中被遮挡电池串的长度;
根据被遮挡电池串的长度、组件在所述待调整跟踪轴上的配置特征、所述待调整跟踪轴调整前的角度以及当前周期内太阳高度角,确定所述待调整跟踪轴的目标跟踪角度;
将所述待调整跟踪轴的角度实时调整为所述目标跟踪角度。
一种光伏跟踪控制装置,应用于光伏跟踪控制系统中的跟踪轴控制设备,所述光伏跟踪控制系统还包括多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个普通光伏组件,所述装置包括:
纬度获取单元,用于在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度;
电流预测单元,用于分别调用预先构建的正面电流预测模型和背面电流预测模型,根据所述待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
目标跟踪角度确定单元,用于将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
跟踪角度调整单元,用于将所述待预测周期内所述待调整跟踪轴的角度调整为所述目标跟踪角度。
可选的,所述装置还包括预测模型构建单元,所述预测模型构建单元包括:
电流获取子单元,用于获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
训练集确定子单元,用于将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流确定为所述正面电流预测模型的训练集,并将历史不同周期、不同纬度、不同跟踪角度下智能检测光伏组件的背面电流确定为所述背面电流预测模型的训练集;
模型训练子单元,用于利用所述正面电流预测模型的训练集对预设机器学习模型进行训练,得到所述正面电流预测模型,并利用所述背面电流预测模型的训练集对预设机器学习模型进行训练,得到所述背面电流预测模型。
可选的,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述电流获取子单元,具体用于:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件发送的每个电池串的电流;
依据预设规则确定不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流和典型单面电池串的电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型单面电池串的电流确定为正面电流,并将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流与典型单面电池串的电流的差值确定为背面电流。
可选的,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述装置还包括遮挡检测单元,具体用于:
接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流;
对同类型电池串的电流进行比较,确定智能检测光伏组件是否存在遮挡。
可选的,所述装置还包括:
遮挡长度确定单元,用于确定智能检测光伏组件中被遮挡电池串的长度;
所述目标跟踪角度确定单元,还用于根据被遮挡电池串的长度、组件在所述待调整跟踪轴上的配置特征、所述待调整跟踪轴调整前的角度以及当前周期内太阳高度角,确定所述待调整跟踪轴的目标跟踪角度;
所述跟踪角度调整单元,还用于将所述待调整跟踪轴的角度实时调整为所述目标跟踪角度。
一种光伏跟踪控制系统,包括:跟踪轴控制设备、多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个常规光伏组件;
所述常规光伏组件为双面电池组件;
所述智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串;
所述智能检测光伏组件,用于检测每个预设周期内每个电池串的电流,并将其发送到所述跟踪轴控制设备;
所述跟踪轴控制设备,用于执行如上述实施例公开的一种光伏跟踪控制方法。
相对于现有技术,本发明的有益效果如下:
本发明公开的一种光伏跟踪控制方法,通过调用预先构建的正面电流预测模型和背面电流预测模型,根据待调整跟踪轴的纬度实现对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流的准确预测,相对于现有技术中的辐照度,由于光伏组件的正面电流和背面电流更能准确反映光伏组件的发电特征,因此,光伏组件的正面电流和背面电流之和最大时对应的跟踪角度为待预测周期内待调整跟踪轴的最优角度,将待预测周期内待调整跟踪轴的角度调整为该角度,能使光伏组件发电量最大化。
本发明不需要增加硬件或对现有系统的硬件进行改造,在现有系统硬件的基础上,通过对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流进行准确预测,实现跟踪角度最优,从而在实现不增加硬件成本的基础上使光伏组件发电量最大化。
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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种光伏跟踪控制方法的流程示意图;
图2为本发明实施例公开的一种构建正面电流预测模型和背面电流预测模型的方法的流程示意图;
图3为本发明实施例公开的一种智能检测光伏组件的结构示意图;
图4为本发明实施例公开的另一种光伏跟踪控制方法的流程示意图;
图5为本发明实施例公开的组件遮挡示意图;
图6为本发明实施例公开的一种光伏跟踪控制装置的结构示意图;
图7为本发明实施例公开的一种单排组件的光伏跟踪控制系统示意图
图8为本发明实施例公开的一种双排组件的光伏跟踪控制系统示意图。
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。
发明人经过研究发现:环境监测仪只能获取电池片正面的辐照度信息,无法获取电池片背面的辐照度信息,利用环境监测仪获取的辐照度信息不能准确反应电池片整体辐照度信息,若增加用于获取电池片背面的辐照度信息的设备,必然会增加硬件成本。并且即使增加用于获取电池片背面的辐照度信息的设备,电池片正反面的辐照信息也仅为影响光伏组件发电的其中一个因素,无法准确反应光伏组件的发电特征。
为了解决上述技术问题,本发明提供了一种光伏跟踪控制方法,应用于光伏跟踪控制系统中的跟踪轴控制设备,光伏跟踪控制系统还包括多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个普通光伏组件,利用智能检测光伏组件中现有的智能模块检测双面电池串和单面电池串的电流,不需要增加硬件或对现有系统的硬件进行改造,在现有系统硬件的基础上,通过对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流进行准确预测,实现跟踪角度最优,从而在实现不增加硬件成本的基础上使光伏组件发电量最大化。
具体的,请参阅图1,本实施例公开的一种光伏跟踪控制方法,包括以下步骤:
S101:在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度;
为了实现光伏组件发电量最大化,光伏跟踪控制系统中的每个跟踪轴在每个周期都需要调整到最优角度,因此,待调整跟踪轴为光伏跟踪控制系统中的每一个跟踪轴。
具体的,跟踪轴控制设备接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流,对同类型电池串的电流进行比较,可以理解的是,同类型电池串在没有遮挡的情况下电流应该保持一致,在存在遮挡的情况下,被遮挡的电池串的电流明显低于未被遮挡的电池串的电流,因此,当同类型电池串之间的电流差值大于阈值的情况下,电流较低的电池串被遮挡。
在待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度,需要说明的是,当电站规模较大时,电站中的跟踪轴的纬度存在差异。
S102:分别调用预先构建的正面电流预测模型和背面电流预测模型,根据待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
具体的,将待调整跟踪轴的待预测周期、纬度和跟踪角度输入正面电流预测模型,得到该跟踪角度对应的智能检测光伏组件的正面电流。将待调整跟踪轴的待预测周期、纬度和跟踪角度输入背面电流预测模型,得到该跟踪角度对应的智能检测光伏组件的背面电流。保持待预测周期和纬度不变,通过改变输入到正面电流预测模型和背面电流预测模型的跟踪角度,可以得到不同跟踪角度对应的智能检测光伏组件的正面电流和背面电流。
需要说明的是,预先将一天中存在辐照的时间划分为多个周期,待预测周期具体表示当前日期中当前周期的下一个周期,即在当前周期预测下一周期不同跟踪角度下待调整跟踪轴对应的智能检测光伏组件的正面电流和背面电流。
正面电流预测模型和背面电流预测模型可以为基于机器学习模型训练得到的模型。请参阅图2,本实施例公开了构建正面电流预测模型和背面电流预测模型的方法,具体包括以下步骤:
S201:获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
需要说明的是,不同历史周期表示不同历史日期下的不同周期。
请参阅图3所示的智能检测光伏组件,包括智能模块和电池片,电池片串联构成电池串,如图3中的电池串1,2,3……n。为了简单快速每个电池串的电流,电池串之间优选并联关系,当然,为了降低总电流,也可以部分电池串并联,部分电池串串联。智能检测光伏组件的智能模块可以是优化器,每个电池串的输出端与智能模块相连,目的是将智能检测光伏组件的输出与系统中其他光伏组件的输出保持一致。
为了获得智能检测光伏组件的正面发电特征和背面发电特征,智能检测光伏组件的电池串中可以包括至少一个双面电池串和至少一个单面电池串。例如:电池串3全部使用单面电池,其他电池串均使用双面电池。每个电池串选择的电池类型保持一致,电池串之间可以不一致。不同类型的电池串数量不做限制,但必须大于一串。电池串的位置关系也不做限制。作为优选,双面电池组串可以设置在中间位置,以便更准确的评估正面和背面的发电特征。举例:假设电池串3为单面电池串,其他均为双面电池串。室外工作状态下,假设单面电池串(一串)产生的电流为I1,双面电池串(一串)产生的的电流为I2,则背面贡献的电流I3=I2-I1。
进一步,为了使正面电流和背面电流准确反映智能检测光伏组件的正面发电特征和背面发电特征,可以依据预设规则确定智能检测光伏组件中的典型双面电池串和典型单面电池串,用于计算正面电流和背面电流,规则可以为选择智能检测光伏组件中间位置且相邻的双面电池串和单面电池串作为典型双面电池串和典型单面电池串,也可以随机选择典型双面电池串和典型单面电池串。
在此基础上,跟踪轴控制设备获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件发送的每个电池串的电流;依据预设规则确定不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流和典型单面电池串的电流;将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型单面电池串的电流确定为正面电流,并将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流与典型单面电池串的电流的差值确定为背面电流。
S202:将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流确定为正面电流预测模型的训练集,并将历史不同周期、不同纬度、不同跟踪角度下智能检测光伏组件的背面电流确定为背面电流预测模型的训练集;
S203:利用正面电流预测模型的训练集对预设机器学习模型进行训练,得到正面电流预测模型,并利用背面电流预测模型的训练集对预设机器学习模型进行训练,得到背面电流预测模型。
预设机器学习模型可以为神经网络模型或其他机器学习模型,在此不做具体限定,机器学习模型的结构根据输入输出数据进行设定,在此不再赘述。
S103:将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
每个跟踪角度分别对应一组智能检测光伏组件的正面电流和背面电流,可以理解的是,当智能检测光伏组件的正面电流和背面电流之和最大时,即实现智能光伏组件发电量最大化,因此,智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度为最优跟踪角度。
S104:将待预测周期内待调整跟踪轴的角度调整为目标跟踪角度。
可见,本实施例公开的一种光伏跟踪控制方法,通过调用预先构建的正面电流预测模型和背面电流预测模型,根据待调整跟踪轴的纬度实现对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流的准确预测,相对于现有技术中的辐照度,由于光伏组件的正面电流和背面电流更能准确反映光伏组件的发电特征,因此,光伏组件的正面电流和背面电流之和最大时对应的跟踪角度为待预测周期内待调整跟踪轴的最优角度,将待预测周期内待调整跟踪轴的角度调整为该角度,能使光伏组件发电量最大化。
请参阅图4,本实施例还公开了一种光伏跟踪控制方法,包括以下步骤:
S301:确定待调整跟踪轴对应的智能检测光伏组件是否存在遮挡;
跟踪轴控制设备接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流,对同类型电池串的电流进行比较,可以理解的是,同类型电池串在没有遮挡的情况下电流应该保持一致,在存在遮挡的情况下,被遮挡的电池串的电流明显低于未被遮挡的电池串的电流,因此,当同类型电池串之间的电流差值大于阈值的情况下,电流较低的电池串被遮挡。
在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,执行S302:获取待调整跟踪轴的纬度;
S303:分别调用预先构建的正面电流预测模型和背面电流预测模型,根据待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
S304:将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
S305:将待预测周期内待调整跟踪轴的角度调整为目标跟踪角度。
在确定待调整跟踪轴对应的智能检测光伏组件存在遮挡的情况下,执行S306:确定智能检测光伏组件中被遮挡电池串的长度;
通过对智能检测光伏组件中同类型电池串的电流进行比较,确定被遮挡的电池串,进而根据被遮挡的电池串的数量以及每个电池串的长度,推算被遮挡电池串的长度。
S307:根据被遮挡电池串的长度、组件在待调整跟踪轴上的配置特征、待调整跟踪轴调整前的角度以及当前周期内太阳高度角,确定待调整跟踪轴的目标跟踪角度;
S308:将待调整跟踪轴的角度实时调整为目标跟踪角度。
如图5所示,假设前排组件对后排造成了遮挡,则以调整后排跟踪轴来消除遮挡影响,使得前排不遮挡后排组件,也就是计算调整角度α3。后排组件被遮挡的长度如图所示的CD长度,CD长度可以通过以上方法在确定智能检测光伏组件中被遮挡电池串的数量后计算获得。AB可从组件在待调整跟踪轴上的配置特征获取,配置特征具体为跟踪轴上组件的排数,设AB=L0,CD=L1,则α3的计算公式如下:
式中:α1为太阳高度角,α2为跟踪轴未调整前的角度,α3为跟踪轴需要调整的角度。公式中仅α3未知,利用该公式计算获得α3。
根据以上公式,可以获得调整后的跟踪角度为α2+α3。
此外,也可以在跟踪轴调整过程中,通过实时监控智能检测光伏组件的电流特征,识别遮挡特征是否被消除。也就是说,在对跟踪轴实时调整过程中,智能检测光伏组件监控遮挡电池串的电流,如果智能检测光伏组件所有子串电流均恢复正常状态,则说明遮挡被消除,此时对应的跟踪角度即为最优跟踪角度,即待调整跟踪轴的目标跟踪角度。
本实施例公开的一种光伏跟踪控制方法,根据待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流,确定智能检测光伏组件是否存在遮挡,在存在遮挡的情况下,根据被遮挡电池串的面积调整跟踪轴的跟踪角度,避免被遮挡,在智能检测光伏组件不存在遮挡的情况下,通过调用预先构建的正面电流预测模型和背面电流预测模型,根据待调整跟踪轴的纬度实现对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流的准确预测,将光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为待预测周期内待调整跟踪轴的最优角度,将待预测周期内待调整跟踪轴的角度调整为该角度,实现光伏组件发电量最大化。
基于上述实施例公开的一种光伏跟踪控制方法,本实施例对应公开了一种光伏跟踪控制装置,应用于光伏跟踪控制系统中的跟踪轴控制设备,所述光伏跟踪控制系统还包括多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个普通光伏组件,请参阅图6,所述装置包括:
纬度获取单元100,用于在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度;
电流预测单元200,用于分别调用预先构建的正面电流预测模型和背面电流预测模型,根据所述待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
目标跟踪角度确定单元300,用于将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
跟踪角度调整单元400,用于将所述待预测周期内所述待调整跟踪轴的角度调整为所述目标跟踪角度。
可选的,所述装置还包括预测模型构建单元,所述预测模型构建单元包括:
电流获取子单元,用于获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
训练集确定子单元,用于将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流确定为所述正面电流预测模型的训练集,并将历史不同周期、不同纬度、不同跟踪角度下智能检测光伏组件的背面电流确定为所述背面电流预测模型的训练集;
模型训练子单元,用于利用所述正面电流预测模型的训练集对预设机器学习模型进行训练,得到所述正面电流预测模型,并利用所述背面电流预测模型的训练集对预设机器学习模型进行训练,得到所述背面电流预测模型。
可选的,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述电流获取子单元,具体用于:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件发送的每个电池串的电流;
依据预设规则确定不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流和典型单面电池串的电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型单面电池串的电流确定为正面电流,并将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流与典型单面电池串的电流的差值确定为背面电流。
可选的,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述装置还包括遮挡检测单元,具体用于:
接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流;
对同类型电池串的电流进行比较,确定智能检测光伏组件是否存在遮挡。
可选的,所述装置还包括:
遮挡长度确定单元,用于确定智能检测光伏组件中被遮挡电池串的长度;
所述目标跟踪角度确定单元,还用于根据被遮挡电池串的长度、组件在所述待调整跟踪轴上的配置特征、所述待调整跟踪轴调整前的角度以及当前周期内太阳高度角,确定待调整跟踪轴的目标跟踪角度;
所述跟踪角度调整单元,还用于将所述待调整跟踪轴的角度实时调整为所述目标跟踪角度。
本实施例还公开了一种光伏跟踪控制系统,包括:跟踪轴控制设备、多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个常规光伏组件。
所述常规光伏组件为双面电池组件。
所述智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串。
光伏跟踪控制系统可以为图7所示的单排组件跟踪控制系统,也可以为图8所示的双排组件跟踪控制系统,智能检测光伏组件可以在系统组串的任何位置,数量不限,可以与常规组件串联使用,不影响整体发电量,不受组件类型和功率限制。
所述智能检测光伏组件,用于检测每个预设周期内每个电池串的电流,并将其发送到所述跟踪轴控制设备。
所述跟踪轴控制设备,用于执行如下一种光伏跟踪控制方法:
在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度;
分别调用预先构建的正面电流预测模型和背面电流预测模型,根据所述待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
将所述待预测周期内所述待调整跟踪轴的角度调整为所述目标跟踪角度。
进一步,构建所述正面电流预测模型和所述背面电流预测模型,包括:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流确定为所述正面电流预测模型的训练集,并将历史不同周期、不同纬度、不同跟踪角度下智能检测光伏组件的背面电流确定为所述背面电流预测模型的训练集;
利用所述正面电流预测模型的训练集对预设机器学习模型进行训练,得到所述正面电流预测模型,并利用所述背面电流预测模型的训练集对预设机器学习模型进行训练,得到所述背面电流预测模型。
进一步,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流,包括:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件发送的每个电池串的电流;
依据预设规则确定不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流和典型单面电池串的电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型单面电池串的电流确定为正面电流,并将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流与典型单面电池串的电流的差值确定为背面电流。
进一步,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,确定待调整跟踪轴对应的智能检测光伏组件是否存在遮挡,包括:
接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流;
对同类型电池串的电流进行比较,确定智能检测光伏组件是否存在遮挡。
进一步,在确定待调整跟踪轴对应的智能检测光伏组件存在遮挡的情况下,所述方法还包括:
确定智能检测光伏组件中被遮挡电池串的长度;
根据被遮挡电池串的长度、组件在所述待调整跟踪轴上的配置特征、所述待调整跟踪轴调整前的角度以及当前周期内太阳高度角,确定待调整跟踪轴的目标跟踪角度;
将所述待调整跟踪轴的角度实时调整为所述目标跟踪角度。
本实施例公开的一种光伏跟踪控制系统,跟踪轴控制设备根据待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流,确定智能检测光伏组件是否存在遮挡,在存在遮挡的情况下,根据被遮挡电池串的面积调整跟踪轴的跟踪角度,避免被遮挡,在智能检测光伏组件不存在遮挡的情况下,通过调用预先构建的正面电流预测模型和背面电流预测模型,根据待调整跟踪轴的纬度实现对待预测周期内不同跟踪角度下光伏组件的正面电流和背面电流的准确预测,将光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为待预测周期内待调整跟踪轴的最优角度,将待预测周期内待调整跟踪轴的角度调整为该角度,实现光伏组件发电量最大化。
本实施例公开的光伏跟踪控制系统,不需要增加硬件或对现有系统的硬件进行改造,在现有系统硬件的基础上,根据每个跟踪轴对应的智能检测光伏组件对每个电池串的电流的检测功能,确定每个跟踪轴对应的光伏组件是否存在遮挡,并在光伏组件不存在遮挡的情况下,通过对待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流进行准确预测,实现跟踪角度最优,从而在实现不增加硬件成本的基础上使光伏组件发电量最大化。
本说明书中各个实施例采用递进的方式描述,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部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
上述各个实施例之间可任意组合,对所公开的实施例的上述说明,本说明书中各实施例中记载的特征可以相互替换或者组合,使本领域专业技术人员能够实现或使用本申请。
对所公开的实施例的上述说明,使本领域专业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的专业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。

Claims (9)

1.一种光伏跟踪控制方法,其特征在于,应用于光伏跟踪控制系统中的跟踪轴控制设备,所述光伏跟踪控制系统还包括多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个普通光伏组件,所述方法包括:
在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度;
分别调用预先构建的正面电流预测模型和背面电流预测模型,根据所述待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
将所述待预测周期内所述待调整跟踪轴的角度调整为所述目标跟踪角度;
其中,构建所述正面电流预测模型和所述背面电流预测模型,包括:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流确定为所述正面电流预测模型的训练集,并将历史不同周期、不同纬度、不同跟踪角度下智能检测光伏组件的背面电流确定为所述背面电流预测模型的训练集;
利用所述正面电流预测模型的训练集对预设机器学习模型进行训练,得到所述正面电流预测模型,并利用所述背面电流预测模型的训练集对预设机器学习模型进行训练,得到所述背面电流预测模型。
2.根据权利要求1所述的方法,其特征在于,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流,包括:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件发送的每个电池串的电流;
依据预设规则确定不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流和典型单面电池串的电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型单面电池串的电流确定为正面电流,并将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流与典型单面电池串的电流的差值确定为背面电流。
3.根据权利要求1所述的方法,其特征在于,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,确定待调整跟踪轴对应的智能检测光伏组件是否存在遮挡,包括:
接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流;
对同类型电池串的电流进行比较,确定智能检测光伏组件是否存在遮挡。
4.根据权利要求3所述的方法,其特征在于,在确定待调整跟踪轴对应的智能检测光伏组件存在遮挡的情况下,所述方法还包括:
确定智能检测光伏组件中被遮挡电池串的长度;
根据被遮挡电池串的长度、组件在所述待调整跟踪轴上的配置特征、所述待调整跟踪轴调整前的角度以及当前周期内太阳高度角,确定所述待调整跟踪轴的目标跟踪角度;
将所述待调整跟踪轴的角度实时调整为所述目标跟踪角度。
5.一种光伏跟踪控制装置,其特征在于,应用于光伏跟踪控制系统中的跟踪轴控制设备,所述光伏跟踪控制系统还包括多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个普通光伏组件,所述装置包括:
纬度获取单元,用于在确定待调整跟踪轴对应的智能检测光伏组件不存在遮挡的情况下,获取待调整跟踪轴的纬度;
电流预测单元,用于分别调用预先构建的正面电流预测模型和背面电流预测模型,根据所述待调整跟踪轴的纬度预测在待预测周期内不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
目标跟踪角度确定单元,用于将智能检测光伏组件的正面电流和背面电流之和最大时对应的跟踪角度确定为目标跟踪角度;
跟踪角度调整单元,用于将所述待预测周期内所述待调整跟踪轴的角度调整为所述目标跟踪角度;
其中,所述装置还包括预测模型构建单元,所述预测模型构建单元包括:
电流获取子单元,用于获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流和背面电流;
训练集确定子单元,用于将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件的正面电流确定为所述正面电流预测模型的训练集,并将历史不同周期、不同纬度、不同跟踪角度下智能检测光伏组件的背面电流确定为所述背面电流预测模型的训练集;
模型训练子单元,用于利用所述正面电流预测模型的训练集对预设机器学习模型进行训练,得到所述正面电流预测模型,并利用所述背面电流预测模型的训练集对预设机器学习模型进行训练,得到所述背面电流预测模型。
6.根据权利要求5所述的装置,其特征在于,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述电流获取子单元,具体用于:
获取不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件发送的每个电池串的电流;
依据预设规则确定不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流和典型单面电池串的电流;
将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型单面电池串的电流确定为正面电流,并将不同历史周期、不同纬度、不同跟踪角度下智能检测光伏组件中的典型双面电池串的电流与典型单面电池串的电流的差值确定为背面电流。
7.根据权利要求5所述的装置,其特征在于,智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串,所述装置还包括遮挡检测单元,具体用于:
接收待调整跟踪轴对应的智能检测光伏组件发送的每个电池串的电流;
对同类型电池串的电流进行比较,确定智能检测光伏组件是否存在遮挡。
8.根据权利要求7所述的装置,特征在于,所述装置还包括:
遮挡长度确定单元,用于确定智能检测光伏组件中被遮挡电池串的长度;
所述目标跟踪角度确定单元,还用于根据被遮挡电池串的长度、组件在所述待调整跟踪轴上的配置特征、所述待调整跟踪轴调整前的角度以及当前周期内太阳高度角,确定所述待调整跟踪轴的目标跟踪角度;
所述跟踪角度调整单元,还用于将所述待调整跟踪轴的角度实时调整为所述目标跟踪角度。
9.一种光伏跟踪控制系统,其特征在于,包括:跟踪轴控制设备、多个跟踪轴,每个跟踪轴上安装至少一个智能检测光伏组件和至少一个常规光伏组件;
所述常规光伏组件为双面电池组件;
所述智能检测光伏组件包括智能模块、至少一个双面电池串和至少一个单面电池串;
所述智能检测光伏组件,用于检测每个预设周期内每个电池串的电流,并将其发送到所述跟踪轴控制设备;
所述跟踪轴控制设备,用于执行如权利要求1~4中任意一项所述的一种光伏跟踪控制方法。
CN202110774216.3A 2021-07-08 2021-07-08 一种光伏跟踪控制方法、装置及系统 Active CN113485462B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110774216.3A CN113485462B (zh) 2021-07-08 2021-07-08 一种光伏跟踪控制方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110774216.3A CN113485462B (zh) 2021-07-08 2021-07-08 一种光伏跟踪控制方法、装置及系统

Publications (2)

Publication Number Publication Date
CN113485462A CN113485462A (zh) 2021-10-08
CN113485462B true CN113485462B (zh) 2024-02-09

Family

ID=77937477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110774216.3A Active CN113485462B (zh) 2021-07-08 2021-07-08 一种光伏跟踪控制方法、装置及系统

Country Status (1)

Country Link
CN (1) CN113485462B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101534015A (zh) * 2009-04-10 2009-09-16 保定天威集团有限公司 一种三相光伏并网逆变控制方法及其装置
JP2012160667A (ja) * 2011-02-02 2012-08-23 Toshiba Corp 太陽光発電システム
CN106452355A (zh) * 2016-10-17 2017-02-22 温州大学 一种基于模型辨识的光伏发电系统最大功率跟踪方法
CN107966998A (zh) * 2018-01-22 2018-04-27 钱稷 一种光伏发电跟踪系统及其控制方法
CN109101071A (zh) * 2018-07-26 2018-12-28 上海电力学院 一种基于智能预测的光伏多峰值最大功率点跟踪方法
CN109116872A (zh) * 2018-09-30 2019-01-01 天合光能股份有限公司 一种双面光伏组件跟踪角度的优选方法
CN112467860A (zh) * 2021-01-28 2021-03-09 武汉美格科技股份有限公司 一种光伏发电监控装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8455806B2 (en) * 2010-01-18 2013-06-04 Sunpower Corporation Photovoltaic assembly for use in diffuse weather conditions and related methods

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101534015A (zh) * 2009-04-10 2009-09-16 保定天威集团有限公司 一种三相光伏并网逆变控制方法及其装置
JP2012160667A (ja) * 2011-02-02 2012-08-23 Toshiba Corp 太陽光発電システム
CN106452355A (zh) * 2016-10-17 2017-02-22 温州大学 一种基于模型辨识的光伏发电系统最大功率跟踪方法
CN107966998A (zh) * 2018-01-22 2018-04-27 钱稷 一种光伏发电跟踪系统及其控制方法
CN109101071A (zh) * 2018-07-26 2018-12-28 上海电力学院 一种基于智能预测的光伏多峰值最大功率点跟踪方法
CN109116872A (zh) * 2018-09-30 2019-01-01 天合光能股份有限公司 一种双面光伏组件跟踪角度的优选方法
CN112467860A (zh) * 2021-01-28 2021-03-09 武汉美格科技股份有限公司 一种光伏发电监控装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Study on model current predictive control method of PV grid-connected inverters systems with voltage sag;Jin N;2016年新能源与未来能源系统国际会议;第40卷;第1-11页 *
电流预测的电导增量法在光伏MPPT中的应用;徐锋,等;自动化仪表;第35卷(第6期);第31-34页 *

Also Published As

Publication number Publication date
CN113485462A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
Cococcioni et al. 24-hour-ahead forecasting of energy production in solar PV systems
Benmouiza et al. Classification of hourly solar radiation using fuzzy c-means algorithm for optimal stand-alone PV system sizing
CN107453396B (zh) 一种分布式光伏电源出力的多目标优化调度方法
Akhlaghi et al. Efficient operation of residential solar panels with determination of the optimal tilt angle and optimal intervals based on forecasting model
Kobayakawa et al. Analysis of electricity consumption under a photovoltaic micro-grid system in India
CN110533230B (zh) 一种光伏阵列辐照度传感器的位置优化方法
US10333306B2 (en) Data-driven demand charge management solution
Hassan et al. A profile-free non-parametric approach towards generation of synthetic hourly global solar irradiation data from daily totals
Yazdanpanah‐Jahromi et al. An efficient sizing method with suitable energy management strategy for hybrid renewable energy systems
CN115271253B (zh) 一种水风光发电功率预测模型构建方法、装置及存储介质
CN113485462B (zh) 一种光伏跟踪控制方法、装置及系统
US20230025215A1 (en) Distributed control for demand flexibility in thermostatically controlled loads
Colmenares-Quintero et al. Methodology for automatic fault detection in photovoltaic arrays from artificial neural networks
Tikkiwal et al. Multi-objective optimisation of a grid-connected hybrid PV-battery system considering battery degradation
Agrawal et al. Transformer‐based time series prediction of the maximum power point for solar photovoltaic cells
CN116736893A (zh) 一种光储装置的智慧能源管理方法及光储装置
CN117091242A (zh) 空调温控负荷集群的评估方法、温度设定方法及系统
KR102412304B1 (ko) 태양광 발전 시스템의 리파워링 측정 장치 및 그 방법과, 이를 적용한 태양광 발전 시스템
US10552856B2 (en) Solar customer acquisition and solar lead qualification
KR20190020496A (ko) 전력사용을 예측하고 능동적으로 수요반응 및 에너지 절감을 제공하는 전력관리 방법 및 장치
KR102292748B1 (ko) 태양광 발전 및 제어 시스템, 그리고 태양광 발전 및 제어 시스템의 운영 방법
US11687689B2 (en) Capacity forecasting
Alcañiz et al. Photovoltaic system monitoring and fault detection using peer systems
CN113947007A (zh) 能源的负荷预测方法、装置及设备
Weissbach et al. Comparison of time-based probability methods for estimating energy storage requirements for an off-grid residence

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