CN116540827A - 一种光伏发电最大功率点跟踪方法、装置及电子设备 - Google Patents
一种光伏发电最大功率点跟踪方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116540827A CN116540827A CN202310435360.3A CN202310435360A CN116540827A CN 116540827 A CN116540827 A CN 116540827A CN 202310435360 A CN202310435360 A CN 202310435360A CN 116540827 A CN116540827 A CN 116540827A
- Authority
- CN
- China
- Prior art keywords
- data
- maximum power
- environmental data
- power point
- algorithm
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000010248 power generation Methods 0.000 title claims abstract description 36
- 230000007613 environmental effect Effects 0.000 claims abstract description 121
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 101000588130 Homo sapiens Microsomal triglyceride transfer protein large subunit Proteins 0.000 description 3
- 102100031545 Microsomal triglyceride transfer protein large subunit Human genes 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
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
- G05F1/66—Regulating electric power
- G05F1/67—Regulating electric power to the maximum power available from a generator, e.g. from solar cell
-
- 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
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Photovoltaic Devices (AREA)
Abstract
本申请提供一种光伏发电最大功率点跟踪方法、装置及电子设备。所述方法应用于MPPT控制器，所述方法包括：获取光伏电池板所处环境的第一环境数据，所述第一环境数据包括温度、湿度以及太阳辐照度；将所述第一环境数据与预设算法数据库进行匹配，得到所述第一环境数据对应的算法，所述预设算法数据库包括环境数据与最大功率点跟踪算法的对应关系；基于所述第一环境数据对应的算法确定最大功率点，以使所述光伏电池板以最大功率点进行光电转换。当环境发生变化时，MPPT控制器通过检测的环境数据更换最大功率点跟踪算法，从而提高最大功率点的预测精度，提高了光伏电池板的光电转换效率。
Description
技术领域
本申请涉及光伏发电的技术领域，具体涉及一种光伏发电最大功率点跟踪方法、装置及电子设备。
背景技术
随着社会的发展，不可再生能源的消耗量越来越大，为了减缓这部分能源的消耗速度，人们开始研发众多新能源技术，其中就包括光伏发电。
目前，光伏发电主要是利用太阳光照射在半导体界面上时会产生光生伏特效应的原理，用吸光材料吸收光子，释放电荷，从而将光能转换为电能。因此，光能转换为电能的转换效率十分重要，而光电转换效率离不开最大功率点的跟踪。常用的几种最大功率点跟踪方法包括恒定电压法、扰动观测法、电导增量法以及神经网络算法。
相关技术中，最大功率点跟踪（Maximum Power Point Tracking，MPPT）控制器只能适用于单一环境，当环境发生变化，或者环境存在明显变化的地区（例如：温差变化大的沙漠、戈壁地区，湿度变化大的沿海地区以及太阳能辐射变化大的高原地区），光电转换效率较低。
发明内容
本申请提供了一种光伏发电最大功率点跟踪方法、装置及电子设备。当环境发生变化时，MPPT控制器通过检测的环境数据更换最大功率点跟踪算法，从而提高最大功率点的预测精度，提高了光伏电池板的光电转换效率。
第一方面，本申请提供了一种光伏发电最大功率点跟踪方法，应用于MPPT控制器，所述方法包括：获取光伏电池板所处环境的第一环境数据，所述第一环境数据包括温度、湿度以及太阳辐照度；将所述第一环境数据与预设算法数据库进行匹配，得到所述第一环境数据对应的算法，所述预设算法数据库包括环境数据与最大功率点跟踪算法的对应关系；基于所述第一环境数据对应的算法确定最大功率点，以使所述光伏电池板以最大功率点进行光电转换。
通过采用上述技术方案，MTTP控制器通过获取第一环境数据，从而实时更新最大功率点跟踪算法的样本数据库；再根据第一环境数据从预设算法数据库中匹配出与第一环境数据对应的最大功率点算法，从而确定适应于当前环境的最大功率算法，提高了最大功率点的预测精度；最后根据第一环境数据对应的最大功率点算法确定最大功率点，根据最大功率点调整光伏电池板的电路参数，使光伏电池板以最大功率点发电，从而提高光伏电池板的光电转换效率。
第二方面，提供了一种光伏发电最大功率点跟踪装置，所述装置为MPPT控制器，所述MPPT控制器包括获取模块与处理模块，其中，所述获取模块，用于获取光伏电池板所处环境的第一环境数据，所述第一环境数据包括温度、湿度以及太阳辐照度；所述处理模块，用于将所述第一环境数据与预设算法数据库进行匹配，得到所述第一环境数据对应的算法，所述预设算法数据库包括环境数据与最大功率点跟踪算法的对应关系；基于所述第一环境数据对应的算法确定最大功率点。
通过采用上述技术方案，获取模块通过获取第一环境数据，从而实时更新最大功率点跟踪算法的样本数据库；处理模块再根据第一环境数据从预设算法数据库中匹配出与第一环境数据对应的最大功率点算法，从而确定适应于当前环境的最大功率算法，提高了最大功率点的预测精度；最后处理模块根据第一环境数据对应的最大功率点算法确定最大功率点，根据最大功率点调整光伏电池板的电路参数，使光伏电池板以最大功率点发电，从而提高光伏电池板的光电转换效率。
可选的，在所述将所述第一环境数据与算法数据库进行匹配之前，所述方法包括：处理模块将所述第一环境数据进行数据清洗，得到第二环境数据，所述第二环境数据为数据异常的环境数据；对所述第二环境数据进行数据修正，生成第三环境数据；将所述第一环境数据中的所述第二环境数据替换为所述第三环境数据。
通过采用上述技术方案，由于传感器所测量的环境数据并不是完全没有误差，因此获取模块所获取的第一环境数据中很容易出现异常值，此时通过将第一环境数据进行数据清洗，从而得到异常数据，再将这部分异常数据进行修正，最后将完成修正的异常数据替换掉原始异常数据，从而降低异常数据对最大功率点的计算结果的影响，进而提高了最大功率点的预测准确性。
可选的，所述将所述第一环境数据进行数据清洗，得到第二环境数据，具体包括：获取模块用于提取所述第一环境数据中任意一个参数数据；若所述参数数据不在预设误差范围内，则确定所述参数数据为所述第二环境数据。
通过采用上述技术方案，由于环境数据在短时间内不会发生大幅度变化，因此处理模块通过判断第一环境数据中的异常数据是否在预设误差范围内，从而更加方便的确定出异常数据。
可选的，所述对所述第二环境数据进行数据修正，生成第三环境数据，具体包括：获取模块用于获取所述参数数据的两个相邻数据；处理模块用于对两个所述相邻数据求平均值，生成第三环境数据。
通过采用上述技术方案，由于环境数据在短时间内不会发生大幅度变化，因此可以通过将异常数据相邻的数据求平均值，以这个平均值代替异常数据，从而第一环境数据具有良好的连续性，同时也降低了异常数据造成计算结果存在误差。
可选的，所述将所述第一环境数据与预设算法数据库进行匹配之前，还包括：处理模块用于识别所述最大功率点跟踪算法的特征参数，所述特征参数为所述最大功率点跟踪算法受环境所影响的特征参数，所述最大功率算法为恒定电压法、扰动观测法以及电导增量法中任意一个；基于所述特征参数确定所述最大功率点跟踪算法对应的环境数据，所述环境数据包括沙漠环境数据、沿海环境数据以及高原环境数据；将所述最大功率算法与所述环境数据之间的对应关系构建为预设算法数据库。
通过采用上述技术方案，由于每一种最大功率点跟踪算法的计算参数与环境存在联系，当环境发生变化，最大功率点跟踪算法的计算结果也会发生变化。因此，通过预先将最大功率点跟踪算法与不同环境数据构建对应关系，并将这种对应关系存储至预设算法数据库中，当环境发生变化时，可通过预设算法数据数据库确定适应于当前环境数据的算法，从而提高了最大功率点的预测准确性，进而提高了光电转换效率。
可选的，所述基于所述第一环境数据对应的算法确定最大功率点，具体为：获取模块用于获取所述光伏电池板的状态数据，所述状态数据包括电流、电压、功率以及时间；处理模块用于采用所述第一环境数据对应的算法将所述状态数据构建为特征曲线，所述特征曲线为电流-功率曲线、电压-功率曲线以及电流-电压曲线中任意一种；根据所述特征曲线确定所述最大功率点。
通过采用上述技术方案，当确定最大功率点跟踪算法后，通过将光伏电池板当前的状态数据输入至最大功率点跟踪算法中，从而构建出特征曲线。当研究人员需要分析光伏电池板的发电功率时，特征曲线能够更直观的展示光伏电池板的不同状态下的功率变化情况，并且特征曲线能够帮助最大功率点跟踪算法快速找到最大功率点，从而提高了运算效率。
可选的，所述基于所述目标算法确定最大功率点之后，还包括：若所述特征曲线中存在异常曲线，则确定所述光伏电池板发电异常，处理模块用于关闭所述光伏电池板，所述异常曲线包括曲线缺失与曲线异常抖动。
通过采用上述技术方案，当光伏电池板出现损坏时，所构建特征曲线也会出现异常，但此时并不确定是否为光伏电池板损坏，为了防止光伏电池板进一步损坏，此时关闭光伏电池板，减少光伏电池板坏的情况。
在本申请的第三方面提供了一种电子设备，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如第一方面中任意一项所述的方法
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、MTTP控制器通过获取第一环境数据，从而实时更新最大功率点跟踪算法的样本数据库；再根据第一环境数据从预设算法数据库中匹配出与第一环境数据对应的最大功率点算法，从而确定适应于当前环境的最大功率算法，提高了最大功率点的预测精度；最后根据第一环境数据对应的最大功率点算法确定最大功率点，根据最大功率点调整光伏电池板的电路参数，使光伏电池板以最大功率点发电，从而提高光伏电池板的光电转换效率。
2、由于每一种最大功率点跟踪算法的计算参数与环境存在联系，当环境发生变化，最大功率点跟踪算法的计算结果也会发生变化。因此，通过预先将最大功率点跟踪算法与不同环境数据构建对应关系，并将这种对应关系存储至预设算法数据库中，当环境发生变化时，可通过预设算法数据数据库确定适应于当前环境数据的算法，从而提高了最大功率点的预测准确性，进而提高了光电转换效率。
附图说明
图1是本申请实施例提供的一种光伏发电最大功率点跟踪方法的流程示意图。
图2是本申请实施例提供的第二种光伏发电最大功率点跟踪方法的流程示意图。
图3是本申请实施例提供的第三种光伏发电最大功率点跟踪方法的流程示意图。
图4是本申请实施例提供的一种光伏发电特征曲线的示意图。
图5是本申请实施例提供的一种光伏发电曲线异常的示意图。
图6是本申请实施例提供的一种光伏发电最大功率点跟踪装置的结构示意图。
图7是本申请实施例的提供的一种电子设备的结构示意图。
附图标记说明：1、获取模块；2、处理模块；700、电子设备；701、处理器；702、通信总线；703、用户接口；704、网络接口；705、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
光伏发电作为一种新型清洁能源再生技术，受到了世界各国的推崇。光力发电技术主要是利用太阳光照射在半导体界面上时会产生光生伏特效应的原理，用吸光材料吸收光子，释放电荷，从而将光能转换为电能。而目前，光电转换效率受环境影响较大，究其原因就在于光伏发电板的最大功率点难以跟踪，虽然目前有许多最大功率点跟踪算法（MaximumPower Point Tracking，MPPT）用于跟踪最大功率点，但只能适用于单一环境，当环境发生变化，或者环境存在明显变化的地区（例如：温差变化大的沙漠、戈壁地区，湿度变化大的沿海地区以及太阳能辐射变化大的高原地区），光电转换效率较低。
为了解决上述问题，本申请提供一种光伏发电最大功率点跟踪方法，该方法应用于MPPT控制器，如图1所示，该方法包括步骤S101至步骤S103。
S101、获取光伏电池板所处环境的第一环境数据，第一环境数据包括温度、湿度以及太阳辐照度。
具体地，MPPT控制器可以理解为一种用于控制太阳能电池输出功率的控制器，它可以根据太阳能电池的输入电压和输出功率，自动调节电池的输出功率，以达到最大功率点，从而达到最优的光电转换效率。光伏电池板上设置有多个传感器，用于实时测量光伏电池板所处环境的第一环境数据，其中，多个传感器可以理解为不同种类传感器，例如，温度传感器、湿度传感器以及光传感器。为了降低单一传感器造成测量误差，每个种类的传感器至少安装2个。因此，第一环境数据包括但不限于温度、湿度以及太阳辐照度。传感器再将测量的第一环境数据发送至MPPT控制器。
S102、将第一环境数据与预设算法数据库进行匹配，得到第一环境数据对应的算法，预设算法数据库包括环境数据与最大功率点跟踪算法的对应关系。
具体地，预设算法数据库中预先存储了最大功率点跟踪算法与环境数据的对应关系，因此，MPPT控制器通过将第一环境数据与预设算法数据库中的每种最大功率点跟踪算法对应的环境数据进行比较，从而匹配出相似度较高的环境数据，再根据对应关系得到与第一环境数据对应的算法。其中，相似度计算优先采用余弦相似度，另外，也可采用欧几里得距离、曼哈顿距离以及杰卡德相似系数等相似度计算方法，根据实际情况而定，在此处不再赘述。
S103、基于第一环境数据对应的算法确定最大功率点，以使光伏电池板以最大功率点进行光电转换。
具体地，当最大功率点跟踪算法确定后，此时，MPPT控制器通过该算法预测光伏发电板的最大功率点，根据预测的最大功率点调节光伏发电板的输入电压以及太阳能电池的输出功率，从而使光伏发电以最优功率输出电能，从而提高光电转换效率。
通过采用上述方法，MTTP控制器通过获取第一环境数据，从而实时更新最大功率点跟踪算法的样本数据库；再根据第一环境数据从预设算法数据库中匹配出与第一环境数据对应的最大功率点算法，从而确定适应于当前环境的最大功率算法，提高了最大功率点的预测精度；最后根据第一环境数据对应的最大功率点算法确定最大功率点，根据最大功率点调整光伏电池板的电路参数，使光伏电池板以最大功率点发电，从而提高光伏电池板的光电转换效率。
在一种可能实施方式中，由于传感器所测量的数据会出现测量出错的情况，从而导致因数据异常影响最终的计算结果。为了解决这个问题，如图2所示，该方法包括步骤S201至步骤S203。
S201、将第一环境数据进行数据清洗，得到第二环境数据，第二环境数据为数据异常的环境数据。
具体地，数据清洗可以理解为将第一环境数据中的异常数据清洗出来。因此，MPPT控制器在获取传感器发送的第一环境数据后，将第一环境数据中的异常数据清洗出来，得到第二环境数据。由于环境不会再极短时间内发生突变，突变可以理解为环境温度不会在1秒内从0摄氏度变换为100摄氏度。因此，可根据这项规则，将第一环境数据与预设误差范围进行比较，从而确定第一环境中哪些数据为异常数据，其中，预设误差范围可以理解为当前数据与前一项数据的差值的允许变化范围，例如，28与30的差值为2，预设误差范围为1，则可确定30为异常数据。还需要进一步解释的是，异常数据后一项数据的判断基于异常数据前一项数据进行判断，例如，当数据组为28、31、28以及29时，若预设误差范围为2，则可以确定31为异常数据，此时31后一项数据28与31前一项数据28进行计算差值，从而确定31后一项数据28为正常数据。
举例来说，第一环境数据在4秒内的温度变化情况为28.1摄氏度、28.2摄氏度、35.6摄氏度以及28.1摄氏度，并且预设误差范围为0.3。则可以确定35.6摄氏度为异常数据。
S202、对第二环境数据进行数据修正，生成第三环境数据。
S203、将第一环境数据中的第二环境数据替换为第三环境数据。
具体地，由于每一个环境数据在计算过程中都有其作用，而为了保证最后计算的光伏发电功率保持连续性，需要将异常数据进行数据修正。数据修正的具体方式为，获取异常数据的两个相邻数据，再将两个相邻数据求取平均值，将该平均数据作为异常数据的替换数据。
举例来说，若环境数据中的温度数据为28摄氏度、35摄氏度以及29摄氏度，采用步骤S201中的方法可以确定35摄氏度为异常数据，此时35摄氏度相邻两个数据为28摄氏度与29摄氏度，其平均值为28.5摄氏度，将28.5摄氏度替换掉35摄氏度以此完成数据修正。此时，修正后温度数据为28摄氏度、28.5摄氏度以及29摄氏度。
在一种可能的实施方式中，将第一环境数据与预设算法数据库进行匹配之前，识别最大功率点跟踪算法的特征参数，特征参数为最大功率点跟踪算法受环境所影响的特征参数，最大功率算法为恒定电压法、扰动观测法以及电导增量法中任意一个；基于特征参数确定最大功率点跟踪算法对应的环境数据，环境数据包括沙漠环境数据、沿海环境数据以及高原环境数据；将最大功率算法与环境数据之间的对应关系构建为预设算法数据库。
具体地，为了匹配出当前环境下合适的最大功率点跟踪算法，因此通过构建预设算法数据库，将当前环境数据与预设算法数据库进行匹配，从而得到最大功率点跟踪算法。而构建预设算法数据库的过程中，基于每一种最大功率点跟踪算法的特征参数，确定其对应的环境数据，其中，特征参数可以理解为最大功率点跟踪算法受环境影响较大的计算参数。
举例来说，恒定电压法适应于太阳能辐射度变化较大的地区，例如，沙漠地区。因此，若当前的环境数据与沙漠地区的环境数据相符合时，则选择恒定电压法跟踪计算最大功率点；扰动观测法适应于环境较为复杂的地区，例如高原地区，若当前的环境数据与高原地区的环境数据相符合时，则选择扰动观测法跟踪计算最大功率点；电导增量法适应于环境湿度较大的地区，例如沿海地区，若当前的环境数据与沿海地区的环境数据相符合时，则选择电导增量法跟踪计算最大功率点。
在一种可能的实施方式中，为了根据第一环境数据确定光伏发电板的最大功率点，如图3所示，该方法包括步骤S301至步骤S303。
S301、获取光伏电池板的状态数据，状态数据包括电流、电压、功率以及时间。
具体地，当确定第一环境数据对应的最大功率点跟踪算法后，此时，MPPT控制器获取光伏电池板的状态参数。其中，状态参数可以理解为光伏电池板在当前环境下工作时的各种电路参数，电路参数包括但不限于输入电压、输入电流、输出功率以及运行时间。
S302、采用第一环境数据对应的算法将状态数据构建为特征曲线，特征曲线为电流-功率曲线、电压-功率曲线以及电压-电流曲线中任意一种。
具体地，根据第一环境数据对应的算法，将状态参数进行计算得到光伏发电板在不同状态参数下的变化曲线。这些特征曲线包括但不限于电流-功率曲线、电压-功率曲线以及电压-电流曲线。当研究人员需要分析光伏电池板的发电功率时，特征曲线能够更直观的展示光伏电池板的不同状态下的功率变化情况，并且特征曲线能够帮助最大功率点跟踪算法快速找到最大功率点，从而提高了运算效率。
S303、根据特征曲线确定最大功率点。
具体地，当特征确定完成构建后，MPPT控制根据特征曲线中的极值点，从而预测出最大功率点。最后基于预测的最大功率点调整光伏发电板的参数数据，使得光伏发电板以预测最大功率点进行发电。
举例来说，如图4所示，(a)图为电压-功率曲线图，由图中可知，最大功率点位于输入电压为u时，则此时MPPT控制器将输入电压调整至u。(b)图为电流-功率曲线图，由图可知，最大功率点为输入电流为i处，则此时MPPT控制器将输入电流调整至i。(c)图为电流-电压曲线图，根据功率计算公式功率等于输入电流乘输入电压，因此由图可知，最大功率点为输入电流为i，输入电压为u处，则此时MPPT控制器将输入电流调整至i，输入电压调整至u。
在一种可能的实施方式中，若特征曲线中存在异常曲线，则确定光伏电池板发电异常，关闭光伏电池板，异常曲线包括曲线缺失与曲线异常抖动。
具体地，当特征曲线出现异常时，由于不能确定是由光伏发电板损坏引起的数据异常，还是由于传感器测量异常引起的数据异常。因此，为了防止光伏发电板的电池出现进一步损坏，通过检测特征曲线是否存在曲线缺失或曲线抖动异常的情况。如图5所示，该图为电压-功率曲线，其中，ab段为曲线缺失的情况，cd段为曲线抖动异常的情况，此时，MPPT控制器关闭光伏发电板，防止光伏电池被烧坏的情况出现。
本申请还提供一种光伏发电最大功率点跟踪装置，该装置为MPPT控制器，如图6所示，MPPT控制器包括获取模块1与处理模块2，其中，
所述获取模块1，用于获取光伏电池板所处环境的第一环境数据，所述第一环境数据包括温度、湿度以及太阳辐照度；
所述处理模块2，用于将所述第一环境数据与预设算法数据库进行匹配，得到所述第一环境数据对应的算法，所述预设算法数据库包括环境数据与最大功率点跟踪算法的对应关系；基于所述第一环境数据对应的算法确定最大功率点。
在一种可能的实施方式中，处理模块2将第一环境数据进行数据清洗，得到第二环境数据，第二环境数据为数据异常的环境数据；对第二环境数据进行数据修正，生成第三环境数据；将第一环境数据中的第二环境数据替换为第三环境数据。
在一种可能的实施方式中，获取模块1用于提取第一环境数据中任意一个参数数据；若参数数据不在预设误差范围内，则确定参数数据为第二环境数据。
在一种可能的实施方式中，对第二环境数据进行数据修正，生成第三环境数据，具体包括：获取模块1用于获取参数数据的两个相邻数据；处理模块2用于对两个相邻数据求平均值，生成第三环境数据。
在一种可能的实施方式中，处理模块2用于识别最大功率点跟踪算法的特征参数，特征参数为最大功率点跟踪算法受环境所影响的特征参数，最大功率算法为恒定电压法、扰动观测法以及电导增量法中任意一个；基于特征参数确定最大功率点跟踪算法对应的环境数据，环境数据包括沙漠环境数据、沿海环境数据以及高原环境数据；将最大功率算法与环境数据之间的对应关系构建为预设算法数据库。
在一种可能的实施方式中，获取模块1用于获取光伏电池板的状态数据，状态数据包括电流、电压、功率以及时间；处理模块2用于采用第一环境数据对应的算法将状态数据构建为特征曲线，特征曲线为电流-功率曲线、电压-功率曲线以及时间-功率曲线中任意一种；根据特征曲线确定最大功率点。
在一种可能的实施方式中，若特征曲线中存在异常曲线，则确定光伏电池板发电异常，处理模块2用于关闭光伏电池板，异常曲线包括曲线缺失与曲线异常抖动。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请还公开一种电子设备。参照图7，图7是本申请实施例的公开的一种电子设备的结构示意图。该电子设备700可以包括：至少一个处理器701，至少一个网络接口704，用户接口703，存储器705，至少一个通信总线702。
其中，通信总线702用于实现这些组件之间的连接通信。
其中，用户接口703可以包括显示屏（Display）、摄像头（Camera），可选用户接口703还可以包括标准的有线接口、无线接口。
其中，网络接口704可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器701可以包括一个或者多个处理核心。处理器701利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器705内的指令、程序、代码集或指令集，以及调用存储在存储器705内的数据，执行服务器的各种功能和处理数据。可选的，处理器701可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器701可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器701中，单独通过一块芯片进行实现。
其中，存储器705可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器705包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器705可用于存储指令、程序、代码、代码集或指令集。存储器705可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器705可选的还可以是至少一个位于远离前述处理器701的存储装置。参照图7，作为一种计算机存储介质的存储器705中可以包括操作系统、网络通信模块、用户接口模块以及一种光伏发电最大功率点跟踪方法的应用程序。
在图7所示的电子设备700中，用户接口703主要用于为用户提供输入的接口，获取用户输入的数据；而处理器701可以用于调用存储器705中存储一种光伏发电最大功率点跟踪方法的应用程序，当由一个或多个处理器701执行时，使得电子设备700执行如上述实施例中一个或多个所述的方法。需要说明的是，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，本申请并不受所描述的动作顺序的限制，因为依据本申请，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申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，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服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元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单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (9)
1.一种光伏发电最大功率点跟踪方法，其特征在于，应用于MPPT控制器，所述方法包括：
获取光伏电池板所处环境的第一环境数据，所述第一环境数据包括温度、湿度以及太阳辐照度；
将所述第一环境数据与预设算法数据库进行匹配，得到所述第一环境数据对应的算法，所述预设算法数据库包括环境数据与最大功率点跟踪算法的对应关系；
基于所述第一环境数据对应的算法确定最大功率点，以使所述光伏电池板以最大功率点进行光电转换。
2.根据权利要求1所述的方法，其特征在于，在所述将所述第一环境数据与算法数据库进行匹配之前，所述方法包括：
将所述第一环境数据进行数据清洗，得到第二环境数据，所述第二环境数据为数据异常的环境数据；
对所述第二环境数据进行数据修正，生成第三环境数据；
将所述第一环境数据中的所述第二环境数据替换为所述第三环境数据。
3.根据权利要求2所述的方法，其特征在于，所述将所述第一环境数据进行数据清洗，得到第二环境数据，具体包括：
提取所述第一环境数据中任意一个参数数据；
若所述参数数据不在预设误差范围内，则确定所述参数数据为所述第二环境数据。
4.根据权利要求3所述的方法，其特征在于，所述对所述第二环境数据进行数据修正，生成第三环境数据，具体包括：
获取所述参数数据的两个相邻数据；
对两个所述相邻数据求平均值，生成第三环境数据。
5.根据权利要求1所述的方法，其特征在于，所述将所述第一环境数据与预设算法数据库进行匹配之前，还包括：
识别所述最大功率点跟踪算法的特征参数，所述特征参数为所述最大功率点跟踪算法受环境所影响的特征参数，所述最大功率算法为恒定电压法、扰动观测法以及电导增量法中任意一个；
基于所述特征参数确定所述最大功率点跟踪算法对应的环境数据，所述环境数据包括沙漠环境数据、沿海环境数据以及高原环境数据；
将所述最大功率算法与所述环境数据之间的对应关系构建为预设算法数据库。
6.根据权利要求1所述的方法，其特征在于，所述基于所述第一环境数据对应的算法确定最大功率点，具体为：
获取所述光伏电池板的状态数据，所述状态数据包括电流、电压、功率以及时间；
采用所述第一环境数据对应的算法将所述状态数据构建为特征曲线，所述特征曲线为电流-功率曲线、电压-功率曲线以及电压-电流曲线中任意一种；
根据所述特征曲线确定所述最大功率点。
7.根据权利要求6的方法，其特征在于，基于目标算法确定最大功率点之后，还包括：
若所述特征曲线中存在异常曲线，则确定所述光伏电池板发电异常，关闭所述光伏电池板，所述异常曲线包括曲线缺失与曲线异常抖动。
8.一种光伏发电最大功率点跟踪装置，其特征在于，所述装置为MPPT控制器，所述MPPT控制器包括获取模块(1)与处理模块(2)，其中，
所述获取模块(1)，用于获取光伏电池板所处环境的第一环境数据，所述第一环境数据包括温度、湿度以及太阳辐照度；
所述处理模块(2)，用于将所述第一环境数据与预设算法数据库进行匹配，得到所述第一环境数据对应的算法，所述预设算法数据库包括环境数据与最大功率点跟踪算法的对应关系；基于所述第一环境数据对应的算法确定最大功率点。
9.一种电子设备，其特征在于，包括处理器(701)、存储器(705)、用户接口(703)及网络接口(704)，所述存储器(705)用于存储指令，所述用户接口(703)和网络接口(704)用于给其他设备通信，所述处理器(701)用于执行所述存储器(705)中存储的指令，以使所述电子设备(700)执行如权利要求1至7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310435360.3A CN116540827A (zh) | 2023-04-21 | 2023-04-21 | 一种光伏发电最大功率点跟踪方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310435360.3A CN116540827A (zh) | 2023-04-21 | 2023-04-21 | 一种光伏发电最大功率点跟踪方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116540827A true CN116540827A (zh) | 2023-08-04 |
Family
ID=87456943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310435360.3A Pending CN116540827A (zh) | 2023-04-21 | 2023-04-21 | 一种光伏发电最大功率点跟踪方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116540827A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117514730A (zh) * | 2023-12-09 | 2024-02-06 | 广州市百福电气设备有限公司 | 基于光伏逆变器mppt的水泵功率调节方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110282514A1 (en) * | 2010-05-07 | 2011-11-17 | Michael Ropp | Systems and methods for forecasting solar power |
| CN104881076A (zh) * | 2014-02-28 | 2015-09-02 | D.灯设计股份有限公司 | 选择性多相最大功率点跟踪 |
| CN111752330A (zh) * | 2020-06-30 | 2020-10-09 | 珠海格力电器股份有限公司 | 一种光伏最大功率跟踪控制的装置及方法 |
-
2023
- 2023-04-21 CN CN202310435360.3A patent/CN116540827A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110282514A1 (en) * | 2010-05-07 | 2011-11-17 | Michael Ropp | Systems and methods for forecasting solar power |
| CN104881076A (zh) * | 2014-02-28 | 2015-09-02 | D.灯设计股份有限公司 | 选择性多相最大功率点跟踪 |
| CN111752330A (zh) * | 2020-06-30 | 2020-10-09 | 珠海格力电器股份有限公司 | 一种光伏最大功率跟踪控制的装置及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117514730A (zh) * | 2023-12-09 | 2024-02-06 | 广州市百福电气设备有限公司 | 基于光伏逆变器mppt的水泵功率调节方法及系统 |
| CN117514730B (zh) * | 2023-12-09 | 2024-05-14 | 广州市百福电气设备有限公司 | 基于光伏逆变器mppt的水泵功率调节方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3364324B1 (en) | Method and device for detecting equivalent load of wind turbine generator system | |
| US10110976B2 (en) | Systems and methods for system measurements integrity determination | |
| Sohoni et al. | A critical review on wind turbine power curve modelling techniques and their applications in wind based energy systems | |
| BR102018003437A2 (pt) | sistema para proteger um sistema de controle de rede de energia elétrica, método computadorizado para proteger um sistema de controle de rede de energia elétrica e meio não transitório | |
| US20160239592A1 (en) | Data-driven battery aging model using statistical analysis and artificial intelligence | |
| TW202010243A (zh) | 太陽能光電故障檢測系統及方法 | |
| CN116031888B (zh) | 基于动态负荷预测的潮流优化方法、系统及存储介质 | |
| CN116540827A (zh) | 一种光伏发电最大功率点跟踪方法、装置及电子设备 | |
| CN113190693B (zh) | 储能系统的数据处理方法、装置、电子设备及存储介质 | |
| US20230118175A1 (en) | Event analysis in an electric power system | |
| Liu et al. | Experiment‐based supervised learning approach toward condition monitoring of PV array mismatch | |
| CN114785284A (zh) | 太阳能电池故障分析方法及系统 | |
| JP6634333B2 (ja) | 分析装置、分析方法、およびプログラム | |
| Hua et al. | Efficient probabilistic contingency analysis through a stability measure considering wind perturbation | |
| Song et al. | Dynamic thermal line rating model of conductor based on prediction of meteorological parameters | |
| Quan et al. | An Ensemble Model of Wind Speed Forecasting Based on Variational Mode Decomposition and Bare‐Bones Fireworks Algorithm | |
| CN115774208A (zh) | 一种电池单元异常监测方法、装置、电子设备及介质 | |
| CN116048182A (zh) | 光伏组件柔性功率点跟踪方法、装置、设备、介质及系统 | |
| CN115275975A (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
| Acurio et al. | Design and Implementation of a Machine Learning State Estimation Model for Unobservable Microgrids | |
| Kulikov et al. | Statistical Sampling for Power-Quality Monitoring in Modern Power-Supply Systems | |
| Yu et al. | IRFLMDNN: hybrid model for PMU data anomaly detection and re-filling with improved random forest and Levenberg Marquardt algorithm optimized dynamic neural network | |
| Liu et al. | A Self-Data-Driven Method for Lifetime Prediction of PV Arrays Considering the Uncertainty and Volatility | |
| Hong et al. | Deep‐Learning‐Assisted Topology Identification and Sensor Placement for Active Distribution Network | |
| CN118040650A (zh) | 微电网的频率安全评估方法、装置、设备及存储介质 |
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 |