CN113570038B - 一种基于神经网络点装二极管的光伏组件接线系统及方法 - Google Patents

一种基于神经网络点装二极管的光伏组件接线系统及方法 Download PDF

Info

Publication number
CN113570038B
CN113570038B CN202110815706.3A CN202110815706A CN113570038B CN 113570038 B CN113570038 B CN 113570038B CN 202110815706 A CN202110815706 A CN 202110815706A CN 113570038 B CN113570038 B CN 113570038B
Authority
CN
China
Prior art keywords
photovoltaic
photovoltaic module
neural network
diode
diodes
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
CN202110815706.3A
Other languages
English (en)
Other versions
CN113570038A (zh
Inventor
罗丽珍
彭文博
李晓磊
高虎
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.)
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center Co Ltd
Original Assignee
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center 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 Huaneng Clean Energy Research Institute, Huaneng Group Technology Innovation Center Co Ltd filed Critical Huaneng Clean Energy Research Institute
Priority to CN202110815706.3A priority Critical patent/CN113570038B/zh
Publication of CN113570038A publication Critical patent/CN113570038A/zh
Application granted granted Critical
Publication of CN113570038B publication Critical patent/CN113570038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
    • H02S40/30—Electrical components
    • H02S40/34—Electrical components comprising specially adapted electrical connection means to be structurally associated with the PV module, e.g. junction boxes
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明公开了一种基于神经网络点装二极管的光伏组件接线系统及方法，光伏组件接线系统，包括光伏组件、接线盒安装焊机、神经网络模块、云服务器、光伏智能布置系统、智能控制器、光伏电站布置模型、光伏电站和接线盒。本发明实施例提供的光伏组件接线系统以及方法，采用以神经网络模型为全串并联叠瓦光伏组件点装二极管的方式，为用户量身定制不同二极管数量的光伏面板，现场根据布置图进行智能施工，并实时反馈施工状态，后期运行状态，以使神经网络模型进行深度学习优化，克服了遇到极限遮挡的问题。

Description

一种基于神经网络点装二极管的光伏组件接线系统及方法
技术领域
本发明属于光伏技术领域，具体涉及一种基于神经网络点装二极管的光伏组件接线系统及方法。
背景技术
晶体硅太阳能电池是最常见的利用光生伏特效应将光能直接转化为直流电的器件。将多个太阳能电池电学互连后封装，得到的可以长期使用的光伏设备，被称之为光伏组件。
晶体硅光伏组件中的电池片互联方式，常见的有将电池片顺序排列，以含铜基材的涂锡焊带作为互联条，互联条焊接在第一片电池片的正面主栅线上，互联条另一端焊接在相邻的第二片电池片的背面栅线上。第二根互联条的两端分别焊接在第二片电池片的正面主栅线和第三片电池片的背面栅线上，依次类推。由此将所有的电池片串联成一串。
叠片组件采用的是另外一种电池片互联的技术。将电池片甲的一侧置于另一电池片乙的下方，使得甲正面的主栅线电极与乙背面的栅线电极相互重合。在两个电极之间采用导电胶、焊带或锡膏等材料形成物理连接和导电连接。
这些光伏组件如果有阴影遮挡(例如积雪，严重的脏污)，都有可能形成组件的热斑，造成组件损坏甚至烧毁，并且抗遮挡能力极差，存在遮挡时电池板功率大幅度减小。所以每块电池板需要设置旁路二极管1～3个，在光伏组件产生热斑等遮挡时保护光伏面板不被烧毁。
全串并联叠瓦组件是通过增加电池片间的横向电流通道，降低遮挡发生时的电流损耗，进而提高组件在遮挡时的实际输出功率。在没有二极管的条件下，通过自调节，减少电流损耗，自动保护光伏面板。该光伏面板可以应对大部分的点遮挡，缺点是在遇到大面积遮挡的情况下，大范围电池板电阻增加，导致电池板发热增加，从而降低电池片的发电效率。
发明内容
本发明的目的在于提供一种基于神经网络点装二极管的光伏组件接线系统及方法，以解决现有技术中，全串并联叠瓦组件没有二极管，在遇到大面积遮挡的情况下电池片的发电效率降低的问题。
为了达到上述目的，本发明的技术方案是：
一种基于神经网络点装二极管的光伏组件接线系统，包括光伏组件、接线盒安装焊机、神经网络模块、云服务器、光伏智能布置系统、智能控制器、光伏电站布置模型、光伏电站和接线盒；
所述接线盒安装焊机用于为所述光伏组件安装具有不同数量二极管的接线盒，所述接线盒用于为所述光伏组件的电池片提供旁路二极管；
所述光伏组件安装在所述光伏电站内；
所述光伏智能布置系统用于生成光伏电站的初步建设方案，并将所述初步建设方案的信息发送至神经网络模块；
所述神经网络模块，搭载有神经网络模型，用于依据所述初步建设方案的信息，输出使电池片发电功率最大的旁路二极管安装方案；
所述云服务器，用于将所述旁路二极管安装方案发送至智能控制器，并生成光伏电站布置模型；
所述智能控制器，用于根据云服务器发送的所述旁路二极管安装方案，控制所述接线盒安装焊机为所述光伏组件安装接线盒。
进一步的，所述神经网络模型包括四层神经网络：一层输入层、两层隐含层和一层输出层。
进一步的，所述光伏组件包含四种样式：焊接有不包含二极管的接线盒的光伏组件、焊接含一个二极管的接线盒的光伏组件、焊接含两个二极管的接线盒的光伏组件以及焊接含三个二极管的接线盒的光伏组件。
进一步的，所述光伏电站布置模型为计算机生成的二维模型、三维模型或者实际的沙盘模型。
进一步的，所述光伏电站布置模型的获取方式为：所述云服务器控制计算机建模生成，或者云服务器控制3D打印设备直接打印生成。
进一步的，所述神经网络模型输出的旁路二极管安装方案为：
1)光伏电站的电池片底边存在规律遮挡，或光伏电站局域面积的遮挡受光照影响为变动面积遮挡：
当光伏组件安装方向与电池片并联电路方向相同时，底边安装0个旁路二极管；
当光伏组件安装方向与电池片并联电路方向垂直时，根据每行遮挡高度h与光伏组件总高比例i在光伏阵列的所有光伏面板的底边安装二极管：当i＝0时，不安装二极管；当时，则安装1个二极管；当/>时，则安装2个二极管；当/>时，则安装3个二极管；
2)当光伏电站只存在不可预见的点遮挡时，每个光伏组件安装0个二极管。
本发明实施例提供的另一个技术方案是：
一种基于神经网络点装二极管的光伏组件接线方法，基于所述的基于神经网络点装二极管的光伏组件接线系统，包括如下步骤：
光伏智能布置系统生成光伏电站的初步建设方案，并将所述初步建设方案的信息发送至神经网络模块；
神经网络模块搭载的神经网络模型，依据所述初步建设方案的信息，输出使电池片发电功率最大的旁路二极管安装方案；
云服务器将所述旁路二极管安装方案发送至控制器，并生成光伏电站布置模型；
控制器根据云服务器发送的所述旁路二极管安装方案，控制接线盒安装焊机为光伏组件安装具有不同数量二极管的接线盒；
将安装好接线盒的光伏组件安装在所述光伏电站内。
进一步的，所述神经网络模型输出的旁路二极管安装方案为：
1)光伏电站的电池片底边存在规律遮挡，或光伏电站局域面积的遮挡受光照影响为变动面积遮挡：
当光伏组件安装方向与电池片并联电路方向相同时，底边安装0个旁路二极管；
当光伏组件安装方向与电池片并联电路方向垂直时，根据每行遮挡高度h与光伏组件总高比例i在光伏阵列的所有光伏面板的底边安装二极管：当i＝0时，不安装二极管；当时，则安装1个二极管；当/>时，则安装2个二极管；当/>时，则安装3个二极管；
2)当光伏电站只存在不可预见的点遮挡时，每个光伏组件安装0个二极管。
进一步的，所述神经网络模型包括四层神经网络：一层输入层、两层隐含层和一层输出层。
进一步的，所述光伏组件包含四种样式：焊接不包含二极管的接线盒、焊接含一个二极管的接线盒、焊接含两个二极管的接线盒以及焊接含三个二极管的接线盒。
本发明的有益效果如下：
1)本发明实施例提供的光伏组件接线系统以及方法，采用以神经网络模型为全串并联叠瓦光伏组件点装二极管的方式，为用户量身定制不同二极管数量的光伏面板，现场根据布置图进行智能施工，并实时反馈施工状态，后期运行状态，以使神经网络模型进行深度学习优化，克服了遇到极限遮挡的问题。
2)本发明实施例提供的光伏组件接线系统，结合二极管安装数量设计了最优光伏阵列布置方式，节约了光伏组件成本，提高了光伏组件效率，实现了光伏组件二极管接线盒的全智能化设计优化及安装。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例提供的光伏组件接线系统结构示意图。
图2为本发明实施例中神经网络模型结构图。
其中：1-光伏组件；2-接线盒安装焊机；3-神经网络模块；4-云服务器；5-光伏智能布置系统；6-智能控制器；7-光伏电站布置模型；8-光伏电站；9-接线盒。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
如图1所示，本发明实施例提供了一种基于神经网络点装二极管的光伏组件接线系统，包括光伏组件1、接线盒安装焊机2、神经网络模块3、云服务器4、光伏智能布置系统5、智能控制器6、光伏电站布置模型7、光伏电站8和接线盒9。
接线盒安装焊机2用于为光伏组件1安装接线盒9。接线盒9用于安装在光伏组件1上，为光伏组件1的电池片提供旁路二极管。光伏智能布置系统5用于生成光伏电站的初步建设方案，并将初步建设方案的信息发送至神经网络模块3。神经网络模块3搭载有已经训练好的神经网络模型，用于依据初步建设方案的信息，输出使电池片发电功率最大的旁路二极管安装方案；在电站的建设过程中，还会依据施工状态、后期运行状态，将光伏电站的实际遮挡情况反馈给神经网络模型，使神经网络模型进行深度学习、优化。云服务器4用于将神经网络模型输出的旁路二极管安装方案发送至智能控制器6，并生成光伏电站布置模型7；具体的，光伏电站布置模型7为计算机生成的三维模型，或者实际的沙盘模型。光伏电站布置模型的获取方式为：当光伏电站布置模型为计算机生成的三维模型时，云服务器4控制计算机建模生成；光伏电站布置模型为实际的沙盘模型时，云服务器4控制3D打印设备直接打印生成。智能控制器6用于根据云服务器4发送的旁路二极管安装方案，控制接线盒安装焊机2为光伏组件1安装接线盒。
具体的，如图2所示，本实施例中所采用的神经网络模型为现有技术中已经训练好的神经网络，此处只介绍神经网络的构成，对于权重、传递函数等常规的现有技术不再赘述。神经网络模型包括四层：一层输入层、两层隐含层和一层输出层。输入层xi指光伏面板的形状及安装方向，包含i个神经元：x1指横向安装的光伏板；x2指竖向安装的光伏板；x3～xi指其他各种形状的光伏板，如水平、曲面形状、斜向等。第一层隐含层yi指光伏电站建立位置，包含6个神经元：y1指水上漂浮光伏电站；y2指建立在无植物平地的光伏电站；y3指建立在有植物平地的光伏电站；y4指建立在山地的光伏电站；y5指分布式屋顶光伏电站；y6指分布式农光互补光伏电站。第二层隐含层zi指光伏电站存在的遮挡因子，包含7个神经元：z1指鸟粪、落叶等任意不规则点遮挡；z2指评估的草叶等底边不规则面遮挡面积；z3指评估的树木等不规则面遮挡面积；z4指评估的建筑物等任意面积面遮挡面积；z5指评估的电线杆等规则图形面遮挡面积；z6指评估的阵列遮挡等规律面遮挡面积；z7指评估的山体遮挡面积；输出层Pi指点装二极管数量，包含4个神经元：P1指点装0个二极管的光伏组件数量；P2指点装1个二极管的光伏组件数量；P3指点装2个二极管的光伏组件数量；P4指点装3个二极管的光伏组件数量。将神经网络所需要的电站信息输入到神经网络之后，神经网络就会输出使光伏电站发电效率最大的二极管布置方案，也即得到了包括0～3个二极管的接线盒的数量，以及接线盒在光伏组件上的安装位置。
优选的，本实施例中，神经网络模型输出的优选的旁路二极管安装方案如下：
(A)当光伏电站中，光伏组件底边存在可以预见的、规律性的遮挡时，为了提升光伏电站整体效率，牺牲一部分底边效率。
当光伏组件安装方向与光伏片并联电路方向相同时，底边安装0个二极管；
当光伏组件安装方向与光伏片并联电路方向垂直时，根据每行遮挡高度h与光伏组件总高比例i在光伏阵列的所有光伏面板的底边安装0-3个二极管。当i＝0时，不安装二极管；当 时，安装1个二极管；当/>时，安装2个二极管；当/>时，安装3个二极管。
(B)当光伏电站的光伏组件只存在不可预见的点遮挡，如鸟粪、落叶等，则每个组件安装0个二极管。
(C)当光伏电站局域面积的遮挡受光照影响为变动面积遮挡时，则以每年光照中遮挡高度h及高度比i最大值确定光伏组件安装数量。
具体的，本实施例中的光伏组件1提供四种样式：焊接有不包含二极管的接线盒的光伏组件、焊接含一个二极管的接线盒的光伏组件、焊接含两个二极管的接线盒的光伏组件以及焊接含三个二极管的接线盒的光伏组件，光伏组件1的数量根据神经网络模型确定。
本发明实施例的另一方面，还提供了一种基于神经网络点装二极管的光伏组件接线方法，基于上述的光伏组件接线系统，包括如下步骤：
S1、光伏智能布置系统5生成光伏电站的初步建设方案，并将初步建设方案的信息发送至神经网络模块3。具体的，本实施例中光伏智能布置系统5采用PVsyst，计算初步建设方案时使用PVsyst，输出初步建设方案的图纸信息等使用Auto CAD。
S2、神经网络模块3搭载的神经网络模型，依据初步建设方案的信息，输出使电池片发电功率最大的旁路二极管安装方案；步骤S2中采用的旁路二极管安装方案上文中已经详细说明，此处不再赘述。
S3、云服务器4将旁路二极管安装方案发送至控制器6，并生成光伏电站布置模型7。步骤S3中的光伏电站布置模型7可以是计算机绘制的三维模型、3D打印设备打印的沙盘模型，或者是计算机生成并导出的图纸等。
S4、智能控制器6根据云服务器4发送的旁路二极管安装方案，控制接线盒安装焊机2为光伏组件1安装具有不同数量二极管的接线盒，为光伏组件的电池片提供旁路二极管。
S5、光伏组件1安装在光伏电站8内，完成电站的建设。
接下来，结合具体的实施例子，对本发明实施例进行进一步的解释和论述。
现拟在某戈壁建立15MW的光伏电站，以此为例，来说明本发明的应用方法。
15MW的电站由50000块0.8m*1.6m的光伏面板集成，该光伏电站使用华能全串并叠瓦光伏组件，组件横向安装。为了减少电站占地面积，缩减每排光伏组件的距离，以提升单位占地光伏电站发电量，导致在早上9：00前及下午17：00后在光伏组件底边有2/3的遮挡情况，安装方向平行于电池片并联通道方向，在可以预见的组件排之间的遮挡将不会对电池片性能产生影响，该种情况下不安装二极管。
该戈壁杂草少，且高度均低于0.5米，远远低于光伏组件安装高度，不考虑草叶遮挡。该电站设计中有无可避免的电线杆遮挡1处，墙体遮挡一处。
电线杆阴影每年的最长长度为30米，在电线杆的东、西、北30米半径半圆内每个光伏组件设置3个二极管，30米半径半圆内存在760个光伏组件，电线杆所在点东、西、北的半圆内760个光伏组件设置3个二极管。墙体阴影每年的最长长度15米，在墙体的东、西、北15米半径半圆内每个光伏组件设置3个二极管，15米半径半圆内存在150个光伏组件，墙体所在点东、西、北的半圆内150个光伏组件设置3个二极管，即完成光伏电站的布置。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (7)

1.一种基于神经网络点装二极管的光伏组件接线系统，其特征在于，包括光伏组件（1）、接线盒安装焊机（2）、神经网络模块（3）、云服务器（4）、光伏智能布置系统（5）、智能控制器（6）、光伏电站布置模型（7）、光伏电站（8）和接线盒（9）；
所述接线盒安装焊机（2）用于为所述光伏组件（1）安装具有不同数量二极管的接线盒，所述接线盒用于为所述光伏组件的电池片提供旁路二极管；
所述光伏组件（1）安装在所述光伏电站（8）内；
所述光伏智能布置系统（5）用于生成光伏电站的初步建设方案，并将所述初步建设方案的信息发送至神经网络模块（3）；
所述神经网络模块（3），搭载有神经网络模型，用于依据所述初步建设方案的信息，输出使电池片发电功率最大的旁路二极管安装方案；
所述云服务器（4），用于将所述旁路二极管安装方案发送至智能控制器（6），并生成光伏电站布置模型（7）；
所述智能控制器（6），用于根据云服务器（4）发送的所述旁路二极管安装方案，控制所述接线盒安装焊机（2）为所述光伏组件（1）安装接线盒；
所述光伏组件（1）包含四种样式：焊接有不包含二极管的接线盒的光伏组件、焊接含一个二极管的接线盒的光伏组件、焊接含两个二极管的接线盒的光伏组件以及焊接含三个二极管的接线盒的光伏组件；
所述光伏电站布置模型（7）为计算机生成的二维模型、三维模型或者实际的沙盘模型；
所述神经网络模型输出的旁路二极管安装方案为：
1）光伏电站的电池片底边存在规律遮挡，或光伏电站局域面积的遮挡受光照影响为变动面积遮挡：
当光伏组件安装方向与电池片并联电路方向相同时，底边安装0个旁路二极管；
当光伏组件安装方向与电池片并联电路方向垂直时，根据每行遮挡高度h与光伏组件总高比例i在光伏阵列的所有光伏面板的底边安装二极管：当i=0时，不安装二极管；当0<i≤时，则安装1个二极管；当/><i≤/>时，则安装2个二极管；当/><i≤1时，则安装3个二极管；
2）当光伏电站只存在不可预见的点遮挡时，每个光伏组件安装0个二极管。
2.根据权利要求1所述的基于神经网络点装二极管的光伏组件接线系统，其特征在于，所述神经网络模型包括四层神经网络：一层输入层、两层隐含层和一层输出层。
3.根据权利要求1所述的基于神经网络点装二极管的光伏组件接线系统，其特征在于，所述光伏电站布置模型（7）的获取方式为：所述云服务器（4）控制计算机建模生成，或者云服务器（4）控制3D打印设备直接打印生成。
4.一种基于神经网络点装二极管的光伏组件接线方法，基于权利要求1所述的基于神经网络点装二极管的光伏组件接线系统，其特征在于，包括如下步骤：
光伏智能布置系统（5）生成光伏电站的初步建设方案，并将所述初步建设方案的信息发送至神经网络模块（3）；
神经网络模块（3）搭载的神经网络模型，依据所述初步建设方案的信息，输出使电池片发电功率最大的旁路二极管安装方案；
云服务器（4）将所述旁路二极管安装方案发送至控制器（6），并生成光伏电站布置模型（7）；
控制器（6）根据云服务器（4）发送的所述旁路二极管安装方案，控制接线盒安装焊机（2）为光伏组件（1）安装具有不同数量二极管的接线盒；
将安装好接线盒的光伏组件（1）安装在所述光伏电站（8）内。
5.根据权利要求4所述的基于神经网络点装二极管的光伏组件接线方法，其特征在于，所述神经网络模型输出的旁路二极管安装方案为：
1）光伏电站的电池片底边存在规律遮挡，或光伏电站局域面积的遮挡受光照影响为变动面积遮挡：
当光伏组件安装方向与电池片并联电路方向相同时，底边安装0个旁路二极管；
当光伏组件安装方向与电池片并联电路方向垂直时，根据每行遮挡高度h与光伏组件总高比例i在光伏阵列的所有光伏面板的底边安装二极管：当i=0时，不安装二极管；当0<i≤时，则安装1个二极管；当/><i≤/>时，则安装2个二极管；当/><i≤1时，则安装3个二极管；
2）当光伏电站只存在不可预见的点遮挡时，每个光伏组件安装0个二极管。
6.根据权利要求4所述的基于神经网络点装二极管的光伏组件接线方法，其特征在于，所述神经网络模型包括四层神经网络：一层输入层、两层隐含层和一层输出层。
7.根据权利要求4所述的基于神经网络点装二极管的光伏组件接线方法，其特征在于，所述光伏组件（1）包含四种样式：焊接不包含二极管的接线盒、焊接含一个二极管的接线盒、焊接含两个二极管的接线盒以及焊接含三个二极管的接线盒。
CN202110815706.3A 2021-07-19 2021-07-19 一种基于神经网络点装二极管的光伏组件接线系统及方法 Active CN113570038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110815706.3A CN113570038B (zh) 2021-07-19 2021-07-19 一种基于神经网络点装二极管的光伏组件接线系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110815706.3A CN113570038B (zh) 2021-07-19 2021-07-19 一种基于神经网络点装二极管的光伏组件接线系统及方法

Publications (2)

Publication Number Publication Date
CN113570038A CN113570038A (zh) 2021-10-29
CN113570038B true CN113570038B (zh) 2023-07-28

Family

ID=78165571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110815706.3A Active CN113570038B (zh) 2021-07-19 2021-07-19 一种基于神经网络点装二极管的光伏组件接线系统及方法

Country Status (1)

Country Link
CN (1) CN113570038B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101801130A (zh) * 2010-02-10 2010-08-11 金陵科技学院 太阳能光伏发电路灯远程集散智能控制系统及其控制方法
CN105280738A (zh) * 2015-07-02 2016-01-27 常州天合光能有限公司 一种太阳能组件用分体式接线盒及其太阳能电池组件
CN106026907A (zh) * 2016-03-25 2016-10-12 王淑娟 一种改进的硅片基太阳电池组件
CN109934423A (zh) * 2019-04-25 2019-06-25 山东大学 基于并网逆变器运行数据的光伏电站功率预测方法及系统
CN209561427U (zh) * 2018-12-26 2019-10-29 苏州阿特斯阳光电力科技有限公司 光伏组件
CN212810313U (zh) * 2020-08-10 2021-03-26 上海能辉科技股份有限公司 一种新型的旁路光伏组件

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9541598B2 (en) * 2014-09-02 2017-01-10 Mei Zhang Smart junction box for photovoltaic systems
CN107690707A (zh) * 2017-08-28 2018-02-13 通威太阳能（合肥）有限公司 一种光伏组件的内部保护电路结构
US11616471B2 (en) * 2019-02-21 2023-03-28 Arizona Board Of Regents On Behalf Of Arizona State University Systems and methods for connection topology optimization in photovoltaic arrays using neural networks

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101801130A (zh) * 2010-02-10 2010-08-11 金陵科技学院 太阳能光伏发电路灯远程集散智能控制系统及其控制方法
WO2011097871A1 (zh) * 2010-02-10 2011-08-18 金陵科技学院 太阳能光伏发电路灯远程集散智能控制系统及其控制方法
CN105280738A (zh) * 2015-07-02 2016-01-27 常州天合光能有限公司 一种太阳能组件用分体式接线盒及其太阳能电池组件
CN106026907A (zh) * 2016-03-25 2016-10-12 王淑娟 一种改进的硅片基太阳电池组件
CN209561427U (zh) * 2018-12-26 2019-10-29 苏州阿特斯阳光电力科技有限公司 光伏组件
CN109934423A (zh) * 2019-04-25 2019-06-25 山东大学 基于并网逆变器运行数据的光伏电站功率预测方法及系统
CN212810313U (zh) * 2020-08-10 2021-03-26 上海能辉科技股份有限公司 一种新型的旁路光伏组件

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
光伏组件与阵列遮挡阴影下的输出特性仿真分析;李勇 等;《太阳能》;第50-55页 *
基于BP神经网络的复杂光照条件下光伏列阵MPPT控制研究;李帅 等;《电气开关》;第66-106页 *

Also Published As

Publication number Publication date
CN113570038A (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
US10164127B2 (en) Module fabrication of solar cells with low resistivity electrodes
US10074755B2 (en) High efficiency solar panel
US10115839B2 (en) Module fabrication of solar cells with low resistivity electrodes
CN105917472B (zh) 高效率太阳能面板
US20180019349A1 (en) Gridless photovoltaic cells and methods of producing a string using the same
US20180309013A1 (en) Single-cell encapsulation and flexible-format module architecture for photovoltaic power generation and method for constructing the same
US20190028055A1 (en) Packaging for solar roof tiles
CN205092592U (zh) 一种分布式光伏发电及控制系统
US20190326459A1 (en) Single-cell encapsulation and flexible-format module architecture and mounting assembly for photovoltaic power generation and method for constructing, inspecting and qualifying the same
CN210607282U (zh) 一种异质结太阳电池的金属电极组件
CN115714579B (zh) 对称一体双式组合区域优化光伏组件及mlpe发电系统
Kerekes et al. A practical optimization method for designing large PV plants
CN113570038B (zh) 一种基于神经网络点装二极管的光伏组件接线系统及方法
US20230352609A1 (en) Arrangements of Substrings in Photovoltaic Modules
US20230198463A1 (en) Arrangements of Substrings in Photovoltaic Modules
CN207834317U (zh) 一种带有集成电路板的光伏电池组件
CN210467856U (zh) 一种用于无遮挡组件封装技术的太阳能电池片
CN209981238U (zh) 太阳电池组件
Sarkar et al. Power enhancement by hybrid BIPV arrays with fewer peaks and reduced mismatch losses under partial shading
US20190371950A1 (en) Configurable solar cells
Kareem et al. Optimal PV array configurations for partial shading conditions
CN104320072A (zh) 发电单元及光伏电站
Joge et al. Advanced applications of bifacial solar modulus
CN217740547U (zh) 一种光伏组件并串联的电路连接结构
CN212323015U (zh) 一种p型n型电池混合焊接的无间距组件

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