CN117055627A - 光伏电站发电控制方法、装置、设备及存储介质 - Google Patents

光伏电站发电控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117055627A
CN117055627A CN202311311041.8A CN202311311041A CN117055627A CN 117055627 A CN117055627 A CN 117055627A CN 202311311041 A CN202311311041 A CN 202311311041A CN 117055627 A CN117055627 A CN 117055627A
Authority
CN
China
Prior art keywords
photovoltaic
data
panel
inclination angle
parameters
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
Application number
CN202311311041.8A
Other languages
English (en)
Other versions
CN117055627B (zh
Inventor
李润
田伟
钱志国
谷宗鹏
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.)
Beijing East Environment Energy Technology Co ltd
Original Assignee
Beijing East Environment Energy Technology 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 Beijing East Environment Energy Technology Co ltd filed Critical Beijing East Environment Energy Technology Co ltd
Priority to CN202311311041.8A priority Critical patent/CN117055627B/zh
Publication of CN117055627A publication Critical patent/CN117055627A/zh
Application granted granted Critical
Publication of CN117055627B publication Critical patent/CN117055627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D3/00—Control of position or direction
    • G05D3/10—Control of position or direction without using feedback
    • G05D3/105—Solar tracker
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S50/00—Arrangements for controlling solar heat collectors
    • F24S50/20—Arrangements for controlling solar heat collectors for tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • 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
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • 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
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Sustainable Development (AREA)
  • Thermal Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Sustainable Energy (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Remote Sensing (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本申请公开了一种光伏电站发电控制方法、装置、设备及存储介质，通过获取光伏影响参数，基于光伏影响参数，确定光伏参考面板面向太阳的第一最佳倾角数据，以从多种影响因素确定光伏参考面板的最佳倾角，提高光伏参考面板的准确度以及相关采集参数的配置效率；利用光伏参考面板与光伏面板之间的预设位置关系，根据第一最佳倾角数据，计算每个光伏面板的第二最佳倾角数据；基于第二最佳倾角数据，向光伏面板的支架控制器发送控制信号，控制信号用于控制支架控制器调节光伏面板面向太阳的倾斜角度，实现降低配置参数的难度，以及不同光伏面板能够基于光伏参考面板调节得到适用于该光伏面板的最佳倾角，从而提高光伏电站的发电效果。

Description

光伏电站发电控制方法、装置、设备及存储介质
技术领域
本申请涉及电力技术领域，尤其涉及一种光伏电站发电控制方法、装置、设备及存储介质。
背景技术
光伏电站（Photovoltaic Power Plant）是利用太阳能将光转化为电能的光伏发电系统，其由多个光伏面板组成，光伏面板将光子吸收并产生电能。在光伏发电时，为保证发电效果，需要控制光伏面板支架以调节光伏面板倾角达到太阳的最佳照射角度。
目前，光伏电站主要通过在每个光伏面板均配备采用相同跟踪算法的跟踪控制器，以控制光伏面板跟踪太阳，且每个跟踪控制器的算法输入参数由其独立采集和独立配置。然而，光伏电站通常有成千上万个光伏面板部署在大面积土地上，其需要耗费大量人力去配置跟踪控制器的相关采集参数和相关配置参数。
对此，有相关技术通过对同一地理环境的跟踪控制器采用相同输入参数进行统一配置，以提高配置效率。但是，光伏面板的发电效果受地理环境、太阳辐射强度、倾斜角度、组件类型和电网接口等多种因素影响，导致粗暴的采用相同输入参数无法使光伏电站达到最佳发电效果。
发明内容
本申请提供了一种光伏电站发电控制方法、装置、设备及存储介质，以解决当前光伏电站无法达到最佳发电效果的技术问题。
为了解决上述技术问题，第一方面，本申请提供了一种光伏电站发电控制方法，所述光伏电站包括光伏参考面板和多个光伏面板，所述光伏参考面板设有支架跟踪器，所述光伏面板设有支架控制器，所述方法包括：
获取光伏影响参数，所述光伏影响参数包括地理环境参数、天气参数、季节参数和所述支架跟踪器采集到的实时光敏参数；
基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据；
利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据；
基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，所述控制信号用于控制所述支架控制器调节所述光伏面板面向太阳的倾斜角度。
在第一方面的一些实现方式中，所述基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据，包括：
基于预设特征向量库，匹配与所述地理环境参数对应的地理环境特征数据，匹配与所述天气参数对应的天气特征数据，匹配与所述季节参数对应的季节特征数据，所述预设特征向量库包括地理环境特征向量库、天气特征向量库和季节特征向量库；
对所述实时光敏参数进行特征提取，得到光敏特征数据；
利用预设的多因素倾角追踪模型，根据所述地理环境特征数据、天气特征数据、季节特征数据和光敏特征数据，确定所述光伏参考面板的第一最佳倾角数据。
在第一方面的一些实现方式中，所述对所述实时光敏参数进行特征提取，得到光敏特征数据，包括：
利用预设日照度模型，对所述实时光敏参数进行特征提取，得到所述光敏特征数据，所述预设日照度模型的表达式为：
；
其中，为光敏特征数据，/>表示反余弦运算，/>为介于0与1之间的动态阈值，/>为总辐照度，/>为最大总辐照度。
在第一方面的一些实现方式中，所述多因素倾角追踪模型的表达式为：
；
其中，为第一最佳倾角数据，/>为激活函数，/>为地理环境特征数据，/>为天气特征数据，/>为季节特征数据，/>为光敏特征数据，/>、/>、/>和/>为权重项，/>为偏置项。
在第一方面的一些实现方式中，所述利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据，包括：
对于每个所述光伏面板，匹配与预设位置关系对应的变换参数矩阵；
利用预设变换函数，根据所述第一最佳倾角数据和所述变换参数矩阵，计算所述光伏面的第二最佳倾角数据，所述预设变换函数的表达式为：
；
其中，为第/>个光伏面板的第二最佳倾角数据，/>为第/>个光伏面板的变换参数矩阵，/>为第一最佳倾角数据。
在第一方面的一些实现方式中，所述基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，包括：
对每个所述光伏面板的第二最佳倾角数据和面板标识数据进行组装，得到控制报文数据，其中每个所述面板标识数据与每个所述第二最佳倾角数据一一对应；
通过广播方式发送所述控制信号，以所述光伏面板的支架控制器接收所述控制信号，所述控制信号包括所述控制报文数据。
在第一方面的一些实现方式中，所述对每个所述光伏面板的第二最佳倾角数据和面板标识数据进行组装，得到控制报文数据，包括：
按照预设报文规则，对多个所述光伏面板的第二最佳倾角数据进行组装，得到初始报文数据；
对于每个所述光伏面板，以所述面板标识数据标记所述初始报文数据中所述第二最佳倾角数据所在的报文段，得到控制报文数据，所述面板标识数据用于定位所述光伏面板对应的第二最佳倾角数据。
第二方面，本申请还提供一种光伏电站发电控制装置，所述光伏电站包括光伏参考面板和多个光伏面板，所述光伏参考面板设有支架跟踪器，所述光伏面板设有支架控制器，所述装置包括：
获取模块，用于获取光伏影响参数，所述光伏影响参数包括地理环境参数、天气参数、季节参数和所述支架跟踪器采集到的实时光敏参数；
确定模块，用于基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据；
计算模块，用于利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据；
发送模型，用于基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，所述控制信号用于控制所述支架控制器调节所述光伏面板面向太阳的倾斜角度。
第三方面，本申请还提供一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的光伏电站发电控制方法。
第四方面，本申请还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的光伏电站发电控制方法。
与现有技术相比，本申请至少具备以下有益效果：
通过选取光伏参考面板作为其他光伏面板的支架跟踪参考对象，减少现有每个光伏面板所需的支架跟踪器，降低硬件成本。同时，获取光伏影响参数，所述光伏影响参数包括地理环境参数、天气参数、季节参数和所述支架跟踪器采集到的实时光敏参数；基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据，以从多种影响因素确定光伏参考面板的最佳倾角，提高光伏参考面板的准确度，并且对于一个区域只需要一个支架跟踪器采集数据，提高相关采集参数的配置效率；利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据；基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，所述控制信号用于控制所述支架控制器调节所述光伏面板面向太阳的倾斜角度，实现以光伏参考面板作为参考对象配置其他光伏面板的相关配置参数，降低配置参数的难度，以及不同光伏面板能够基于光伏参考面板调节得到适用于该光伏面板的最佳倾角，从而提高光伏电站的发电效果。
附图说明
图1为本申请实施例示出的光伏电站发电控制方法的流程示意图；
图2为本申请实施例示出的光伏电站发电控制装置的结构示意图；
图3为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参照图1，图1为本申请实施例提供的一种光伏电站发电控制方法的流程示意图。本申请实施例的光伏电站发电控制方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备，所述光伏电站包括光伏参考面板和多个光伏面板，所述光伏参考面板设有支架跟踪器，所述光伏面板设有支架控制器。如图1所示，本实施例的光伏电站发电控制方法包括步骤S101至步骤S104，详述如下：
步骤S101，获取光伏影响参数，所述光伏影响参数包括地理环境参数、天气参数、季节参数和所述支架跟踪器采集到的实时光敏参数。
在本步骤中，地理环境参数为光伏电站所在的地理位置，可具体为经纬度。地理环境参数影响光伏面板与太阳高度角和太阳方位角，从而影响最佳倾角，通常而言，光伏面板的倾角应接近光伏电站的当地纬度角度，以最大程度接收太阳辐射。天气参数表示光伏电站所在位置的天气状况的参数，其包括但不限于云量、降水量和气温等，天气参数会影响太阳光的投射和散射情况，从而影响最佳倾角。季节参数为光伏电站所在位置的当前季节，在冬季，可将面板倾斜角度增加，以提高太阳能的收集效率；在夏季，可将面板倾斜角度减少，以避免高夏季太阳高度角导致的能量损失。实时光敏参数为实时采集的光照参数，其包括但不限于总辐照度和直接辐照度等，太阳辐照度与分布直接影响光伏面板的电能转化效率。
可选地，地理环境参数可以作为预设值进行定期维护，当执行步骤S101时，由计算机设备直接调用；天气参数可以预设周期向天气发布平台请求调用得到，预设周期可以如每个小时请求调用一次；季节参数可以日历方式维护得到。
可选地，本申请的光伏电站可以划分为多个区域，针对每个区域均设置一个光伏参考面板和多个光伏面板，光伏参考面板配备支架跟踪器，支架跟踪器具备数据采集功能和支架控制功能，光伏面板配备支架控制器，支架控制器具备支架控制功能。本申请对于每个区域只需要一个支架跟踪器，大幅度减少光伏设备所需要的硬件设备，也降低所需要采集的数据量，只需要配置一个支架跟踪器的相关采集参数。针对多个光伏面板的最佳倾角，以光伏参考面板作为参考对象进行倾角调节，有效避免因采用同一参数而降低发电效果。同时，光伏面板的相关配置参数可以通过计算机设备计算并远程配置完成，大大减少所需要的人力资源。
步骤S102，基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据。
在本步骤中，每种光伏影响参数均对光伏参考面板的最佳倾角存在影响，可对历史数据进行多元回归，以按照历史经验量化每种光伏影响参数的影响。可选地，基于多元回归建立经验公式，以统计每种光伏影响参数与面板最佳倾角之间的关系，从而形成经验公式，再对多种光伏参数确定的倾角数据进行加权，得到第一最佳倾角数据。
在一些实施例中，所述基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据，包括：
基于预设特征向量库，匹配与所述地理环境参数对应的地理环境特征数据，匹配与所述天气参数对应的天气特征数据，匹配与所述季节参数对应的季节特征数据，所述预设特征向量库包括地理环境特征向量库、天气特征向量库和季节特征向量库；
对所述实时光敏参数进行特征提取，得到光敏特征数据；
利用预设的多因素倾角追踪模型，根据所述地理环境特征数据、天气特征数据、季节特征数据和光敏特征数据，确定所述光伏参考面板的第一最佳倾角数据。
在本实施例中，基于人工智能算法学习多种光伏影响参数对面板最佳倾角的影响特征。可选地，对于地理环境特征数据、天气特征数据和季节特征数据，以预设特征向量库进行相应匹配。
例如，对于地理环境参数，面板最佳倾角应接近纬度角度，所以基于地理环境特征向量库，地理环境特征数据=纬度角度向量；对于天气特征数据，基于天气特征向量库，可以为：天气特征数据=固定倾角向量，也可以为：天气特征数据=基准倾角+K×T，其中基准倾角为标准条件的倾角，K为温度校正系数，T为当前环境温度与参考温度之间的温差。对于季节特征数据，基于季节特征向量库，在冬季，可将面板倾斜角度增加，即季节特征数据=α1+α2，以提高太阳能的收集效率；在夏季，可将面板倾斜角度减少，即季节特征数据=α1-α2，以避免高夏季太阳高度角导致的能量损失，其中α1为当前面板倾角，α2为基于当前季节参数从季节特征向量库匹配到的调节倾角。
需要说明的是，本申请以预设特征向量库提取光伏影响参数的特征数据，以实现与最佳倾角直接关联的特征向量化，从而实现地理环境、天气和季节等特征的量化表示，并降低特征提取难度，提高倾角运算效率。
在一些实施例中，所述对所述实时光敏参数进行特征提取，得到光敏特征数据，包括：
利用预设日照度模型，对所述实时光敏参数进行特征提取，得到所述光敏特征数据，所述预设日照度模型的表达式为：
；
其中，为光敏特征数据，/>表示反余弦运算，/>为介于0与1之间的动态阈值，/>为总辐照度，/>为最大总辐照度。
在本实施例中，参数和/>是关键的光照参数，它们描述了来自太阳的辐射能量，/>是全球水平太阳辐照度，表示太阳光在水平面上的总辐射量，/>是在特定条件下（一般是在水平面上）测量到的最大总辐照度。/>可基于当前地理环境、当前天气和当前季节确定，例如，当前地理环境为38°22′N，当前天气为晴天，当前季节为6月份的夏天，通过查询预设动态阈值表，确定/>为0.4。
需要说明的是，本申请通过基于天气季节等动态调整日照度模型的相应权项阈值，以能够更加准确的量化光敏参数对光伏面板发电效果的影响，从而能够更加准确的计算面板最佳倾角。
在一些实施例中，所述多因素倾角追踪模型的表达式为：
；
其中，为第一最佳倾角数据，/>为激活函数，/>为地理环境特征数据，/>为天气特征数据，/>为季节特征数据，/>为光敏特征数据，/>、/>、/>和/>为权重项，/>为偏置项。
在本实施例中，多因素倾角追踪模型可以为基于前馈神经网络、卷积神经网络、循环神经网络、长短时记忆网络或生成对抗网络构建得到。应理解，本实施例的权重项通过历史数据训练得到，激活函数可以基于不同神经网络算法进行适应性选择其类型。
需要说明的是，本实施例利用神经网络算法的非线性建模能力和对复杂数据模式的适应性，提高多种光伏影响参数对面板最佳倾角计算的综合决策能力和提高决策准确度。
步骤S103，利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据。
在本步骤中，对于光伏电站的一个区域，其光伏参考面板和光伏面板的位置相对固定，所以可以预设位置关系和第一最佳倾角数据作为已知量，计算第二最佳倾角数据。
可选地，光伏参考面板可安装与一个区域的中心位置，建立该光伏参考面板与其他光伏面板之间的位置关系。进一步地，为降低实际过程运算量，基于预设位置关系，预先计算光伏参考面板与每个光伏面板之间的变换参数矩阵。
在一些实施例中，所述利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据，包括：
对于每个所述光伏面板，匹配与预设位置关系对应的变换参数矩阵；
利用预设变换函数，根据所述第一最佳倾角数据和所述变换参数矩阵，计算所述光伏面的第二最佳倾角数据，所述预设变换函数的表达式为：
；
其中，为第/>个光伏面板的第二最佳倾角数据，/>为第/>个光伏面板的变换参数矩阵，/>为第一最佳倾角数据。
在本实施例中，变换参数矩阵为预设量，可以在实际运算时被计算机设备直接调用。可选地，变换参数矩阵包括方位角参数和航向角参数，以满足光伏支架在支持单轴追踪、双轴追踪和全天候追踪时均可以实现面板倾角控制的需求。
步骤S104，基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，所述控制信号用于控制所述支架控制器调节所述光伏面板面向太阳的倾斜角度。
在本实施例中，计算机设备与光伏面板之间可采用LORA通信、主从通信（Master-Slave）、点对点通信（Master-Slave）和总线通信（Bus）等。可选地，对于计算机设备需要同时对多个光伏面板发送控制信号，可以采用广播技术或组播技术发送控制信号，以使多个光伏面板能够同时接收到控制信号进行面板倾角调节。
在一些实施例中，所述基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，包括：
对每个所述光伏面板的第二最佳倾角数据和面板标识数据进行组装，得到控制报文数据，其中每个所述面板标识数据与每个所述第二最佳倾角数据一一对应；
通过广播方式发送所述控制信号，以所述光伏面板的支架控制器接收所述控制信号，所述控制信号包括所述控制报文数据。
在本实施例中，可采用基于PLC的主从通信实现计算机设备与多个光伏面板之间的通信，其中计算机设备作为主站（Master），负责发送指令和控制其他光伏面板作为从站（Slave）。主站将指令广播给所有从站，每个从站接收并执行相应的操作，以实现同步控制多个光伏面板的支架控制器。
在一些实施例中，所述对每个所述光伏面板的第二最佳倾角数据和面板标识数据进行组装，得到控制报文数据，包括：
按照预设报文规则，对多个所述光伏面板的第二最佳倾角数据进行组装，得到初始报文数据；
对于每个所述光伏面板，以所述面板标识数据标记所述初始报文数据中所述第二最佳倾角数据所在的报文段，得到控制报文数据，所述面板标识数据用于定位所述光伏面板对应的第二最佳倾角数据。
在本实施例中，每个光伏面板均对应有一个唯一的面板标识数据，该面板标识数据可以标识符和标识字段等。示例性地，定义报文格式：首先需要定义报文的格式和结构，包括报文头部、数据字段、报文校验等信息。这可以根据具体的通信协议或数据格式来制定。按照报文格式构建字段：根据定义的报文格式，构建各个字段并填充相应的值。这可能涉及到数据类型的转换和编码方式的选择。按照规定的顺序组装字段：按照报文格式中字段的顺序和规则，将各个字段组装在一起，构建成完整的报文。可以使用字符串拼接、字节流合并等方式进行组装。在组装过程中，为每个光伏面板分配唯一的标识符。在整体报文中，可以使用标识符来标记每个设备对应的报文段。接收方根据标识符进行解析，将报文段拆分为各个设备的报文进行处理。添加报文校验：为了确保报文的完整性和准确性，在报文组装过程中，通常需要添加报文校验，如校验和、CRC校验等。通过对报文内容的校验，可以在接收端验证报文的正确性。添加报文头部和尾部：根据具体的协议或格式要求，可以在报文组装过程中添加报文头部和尾部的信息。这些信息可以包括报文版本、长度、标识符等。优化组装算法：对于大量数据或频繁报文组装的场景，可以优化组装算法以提高性能。例如，使用StringBuilder等高效的字符串拼接方式，避免频繁的字符串拼接操作。最终的报文校验和处理：在报文组装完成后，可以进行最终的报文校验和处理操作，确保组装后的报文符合预期，校验和计算正确。
进一步地，对于每个光伏面板接收到控制信号后，执行以下步骤：
报文结构解析：首先需要了解报文的结构和格式，根据规定的协议或格式对报文进行解析。例如，可以将报文按照固定的字段进行拆分，或者根据指定的标记或分隔符进行解析。
标识识别：根据报文结构，提取面板标识数据，并对该面板标识数据与接收控制信号的光伏面板所对应的面板标识数据进行匹配，若匹配，则进行处理报文，若不匹配，则丢弃报文。
字段解析：根据报文结构，分析和提取各个字段的值。这可能涉及到数据类型的转换、字符编码的处理等操作。例如，解析一个JSON格式的报文时，需要提取出各个字段的值，并将其转换为对应的数据类型。
错误处理：在报文解析过程中，需要考虑异常情况和错误处理。例如，报文格式错误、字段缺失或值无效等问题都需要进行相应的处理，可以选择忽略无效报文或者给出错误提示。
数据验证：对解析后的数据进行验证，确保其符合预期的要求。可以检查字段的长度、范围、合法性等，以确保数据的完整性和准确性。
数据存储或处理：解析完成后，基于提取到的数据，支架控制器进行倾角调节。
为了执行上述方法实施例对应的光伏电站发电控制方法，以实现相应的功能和技术效果。参见图2，图2示出了本申请实施例提供的一种光伏电站发电控制装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本申请实施例提供的光伏电站发电控制装置，包括：
获取模块201，用于获取光伏影响参数，所述光伏影响参数包括地理环境参数、天气参数、季节参数和所述支架跟踪器采集到的实时光敏参数；
确定模块202，用于基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据；
计算模块203，用于利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据；
发送模块204，用于基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，所述控制信号用于控制所述支架控制器调节所述光伏面板面向太阳的倾斜角度。
在一些实施例中，所述确定模块202，包括：
匹配单元，用于基于预设特征向量库，匹配与所述地理环境参数对应的地理环境特征数据，匹配与所述天气参数对应的天气特征数据，匹配与所述季节参数对应的季节特征数据，所述预设特征向量库包括地理环境特征向量库、天气特征向量库和季节特征向量库；
提取单元，用于对所述实时光敏参数进行特征提取，得到光敏特征数据；
确定单元，用于利用预设的多因素倾角追踪模型，根据所述地理环境特征数据、天气特征数据、季节特征数据和光敏特征数据，确定所述光伏参考面板的第一最佳倾角数据。
在一些实施例中，所述提取单元，具体用于：
利用预设日照度模型，对所述实时光敏参数进行特征提取，得到所述光敏特征数据，所述预设日照度模型的表达式为：
；
其中，为光敏特征数据，/>表示反余弦运算，/>为介于0与1之间的动态阈值，/>为总辐照度，/>为最大总辐照度。
在一些实施例中，所述多因素倾角追踪模型的表达式为：
；
其中，为第一最佳倾角数据，/>为激活函数，/>为地理环境特征数据，/>为天气特征数据，/>为季节特征数据，/>为光敏特征数据，/>、/>、/>和/>为权重项，/>为偏置项。
在一些实施例中，所述计算模块203，具体用于：
对于每个所述光伏面板，匹配与预设位置关系对应的变换参数矩阵；
利用预设变换函数，根据所述第一最佳倾角数据和所述变换参数矩阵，计算所述光伏面的第二最佳倾角数据，所述预设变换函数的表达式为：
；
其中，为第/>个光伏面板的第二最佳倾角数据，/>为第/>个光伏面板的变换参数矩阵，/>为第一最佳倾角数据。
在一些实施例中，所述发送模块204，包括：
组装单元，用于对每个所述光伏面板的第二最佳倾角数据和面板标识数据进行组装，得到控制报文数据，其中每个所述面板标识数据与每个所述第二最佳倾角数据一一对应；
发送单元，用于通过广播方式发送所述控制信号，以所述光伏面板的支架控制器接收所述控制信号，所述控制信号包括所述控制报文数据。
在一些实施例中，所述组装单元，具体用于：
按照预设报文规则，对多个所述光伏面板的第二最佳倾角数据进行组装，得到初始报文数据；
对于每个所述光伏面板，以所述面板标识数据标记所述初始报文数据中所述第二最佳倾角数据所在的报文段，得到控制报文数据，所述面板标识数据用于定位所述光伏面板对应的第二最佳倾角数据。
上述的光伏电站发电控制装置可实施上述方法实施例的光伏电站发电控制方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
图3为本申请一实施例提供的计算机设备的结构示意图。如图3所示，该实施例的计算机设备3包括：至少一个处理器30（图3中仅示出一个）、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
所述计算机设备3可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解，图3仅仅是计算机设备3的举例，并不构成对计算机设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述计算机设备3的内部存储单元，例如计算机设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述计算机设备3的外部存储设备，例如所述计算机设备3上配备的插接式硬盘，智能存储卡（Smart Media Card,SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器31还可以既包括所述计算机设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
另外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
所述功能如果以软件功能模块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介质中。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介质中，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围。特别指出，对于本领域技术人员来说，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种光伏电站发电控制方法，其特征在于，所述光伏电站包括光伏参考面板和多个光伏面板，所述光伏参考面板设有支架跟踪器，所述光伏面板设有支架控制器，所述方法包括：
获取光伏影响参数，所述光伏影响参数包括地理环境参数、天气参数、季节参数和所述支架跟踪器采集到的实时光敏参数；
基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据；
利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据；
基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，所述控制信号用于控制所述支架控制器调节所述光伏面板面向太阳的倾斜角度;
所述基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据，包括：
基于预设特征向量库，匹配与所述地理环境参数对应的地理环境特征数据，匹配与所述天气参数对应的天气特征数据，匹配与所述季节参数对应的季节特征数据，所述预设特征向量库包括地理环境特征向量库、天气特征向量库和季节特征向量库；
对所述实时光敏参数进行特征提取，得到光敏特征数据；
利用预设的多因素倾角追踪模型，根据所述地理环境特征数据、天气特征数据、季节特征数据和光敏特征数据，确定所述光伏参考面板的第一最佳倾角数据。
2.如权利要求1所述的光伏电站发电控制方法，其特征在于，所述对所述实时光敏参数进行特征提取，得到光敏特征数据，包括：
利用预设日照度模型，对所述实时光敏参数进行特征提取，得到所述光敏特征数据，所述预设日照度模型的表达式为：
；
其中，为光敏特征数据，/>表示反余弦运算，/>为介于0与1之间的动态阈值，/>为总辐照度，/>为最大总辐照度。
3.如权利要求1所述的光伏电站发电控制方法，其特征在于，所述多因素倾角追踪模型的表达式为：
；
其中，为第一最佳倾角数据，/>为激活函数，/>为地理环境特征数据，/>为天气特征数据，/>为季节特征数据，/>为光敏特征数据，/>、/>、/>和/>为权重项，/>为偏置项。
4.如权利要求1所述的光伏电站发电控制方法，其特征在于，所述利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据，包括：
对于每个所述光伏面板，匹配与预设位置关系对应的变换参数矩阵；
利用预设变换函数，根据所述第一最佳倾角数据和所述变换参数矩阵，计算所述光伏面的第二最佳倾角数据，所述预设变换函数的表达式为：
；
其中，为第/>个光伏面板的第二最佳倾角数据，/>为第/>个光伏面板的变换参数矩阵，/>为第一最佳倾角数据。
5.如权利要求1所述的光伏电站发电控制方法，其特征在于，所述基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，包括：
对每个所述光伏面板的第二最佳倾角数据和面板标识数据进行组装，得到控制报文数据，其中每个所述面板标识数据与每个所述第二最佳倾角数据一一对应；
通过广播方式发送所述控制信号，以所述光伏面板的支架控制器接收所述控制信号，所述控制信号包括所述控制报文数据。
6.如权利要求5所述的光伏电站发电控制方法，其特征在于，所述对每个所述光伏面板的第二最佳倾角数据和面板标识数据进行组装，得到控制报文数据，包括：
按照预设报文规则，对多个所述光伏面板的第二最佳倾角数据进行组装，得到初始报文数据；
对于每个所述光伏面板，以所述面板标识数据标记所述初始报文数据中所述第二最佳倾角数据所在的报文段，得到控制报文数据，所述面板标识数据用于定位所述光伏面板对应的第二最佳倾角数据。
7.一种光伏电站发电控制装置，其特征在于，所述光伏电站包括光伏参考面板和多个光伏面板，所述光伏参考面板设有支架跟踪器，所述光伏面板设有支架控制器，所述装置包括：
获取模块，用于获取光伏影响参数，所述光伏影响参数包括地理环境参数、天气参数、季节参数和所述支架跟踪器采集到的实时光敏参数；
确定模块，用于基于所述光伏影响参数，确定所述光伏参考面板面向太阳的第一最佳倾角数据；
计算模块，用于利用所述光伏参考面板与所述光伏面板之间的预设位置关系，根据所述第一最佳倾角数据，计算每个所述光伏面板的第二最佳倾角数据；
发送模型，用于基于所述第二最佳倾角数据，向所述光伏面板的支架控制器发送控制信号，所述控制信号用于控制所述支架控制器调节所述光伏面板面向太阳的倾斜角度;
所述确定模块，包括：
匹配单元，用于基于预设特征向量库，匹配与所述地理环境参数对应的地理环境特征数据，匹配与所述天气参数对应的天气特征数据，匹配与所述季节参数对应的季节特征数据，所述预设特征向量库包括地理环境特征向量库、天气特征向量库和季节特征向量库；
提取单元，用于对所述实时光敏参数进行特征提取，得到光敏特征数据；
确定单元，用于利用预设的多因素倾角追踪模型，根据所述地理环境特征数据、天气特征数据、季节特征数据和光敏特征数据，确定所述光伏参考面板的第一最佳倾角数据。
8.如权利要求7所述的光伏电站发电控制装置，其特征在于，所述提取单元，具体用于：
利用预设日照度模型，对所述实时光敏参数进行特征提取，得到所述光敏特征数据，所述预设日照度模型的表达式为：
；
其中，为光敏特征数据，/>表示反余弦运算，/>为介于0与1之间的动态阈值，/>为总辐照度，/>为最大总辐照度。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的光伏电站发电控制方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的光伏电站发电控制方法。
CN202311311041.8A 2023-10-11 2023-10-11 光伏电站发电控制方法、装置、设备及存储介质 Active CN117055627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311311041.8A CN117055627B (zh) 2023-10-11 2023-10-11 光伏电站发电控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311311041.8A CN117055627B (zh) 2023-10-11 2023-10-11 光伏电站发电控制方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN117055627A true CN117055627A (zh) 2023-11-14
CN117055627B CN117055627B (zh) 2023-12-26

Family

ID=88661237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311311041.8A Active CN117055627B (zh) 2023-10-11 2023-10-11 光伏电站发电控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117055627B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010067716A (ja) * 2008-09-09 2010-03-25 Mitsubishi Electric Corp 太陽光発電装置
KR200487427Y1 (ko) * 2018-01-17 2018-09-13 신덕철 태양광 발전장치
CN111309057A (zh) * 2020-03-26 2020-06-19 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
CN112383262A (zh) * 2020-10-23 2021-02-19 南京酷朗电子有限公司 分段调节光伏板角度的光伏电站调节方法
CN113395041A (zh) * 2021-06-15 2021-09-14 齐殿全 一种基于发电功率恒定的光伏组件排布方法
CN115940768A (zh) * 2022-12-07 2023-04-07 阳光新能源开发股份有限公司 光伏设备、节能系统和光伏设备的跟踪控制方法
CN115981378A (zh) * 2022-11-18 2023-04-18 华能山西综合能源有限责任公司 一种用于调节光伏面板角度的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010067716A (ja) * 2008-09-09 2010-03-25 Mitsubishi Electric Corp 太陽光発電装置
KR200487427Y1 (ko) * 2018-01-17 2018-09-13 신덕철 태양광 발전장치
CN111309057A (zh) * 2020-03-26 2020-06-19 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
CN112383262A (zh) * 2020-10-23 2021-02-19 南京酷朗电子有限公司 分段调节光伏板角度的光伏电站调节方法
CN113395041A (zh) * 2021-06-15 2021-09-14 齐殿全 一种基于发电功率恒定的光伏组件排布方法
CN115981378A (zh) * 2022-11-18 2023-04-18 华能山西综合能源有限责任公司 一种用于调节光伏面板角度的方法
CN115940768A (zh) * 2022-12-07 2023-04-07 阳光新能源开发股份有限公司 光伏设备、节能系统和光伏设备的跟踪控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
史文珍: "双柏大庄光伏电站发电量最大化最佳倾角调整策略研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 01, pages 042 - 1270 *

Also Published As

Publication number Publication date
CN117055627B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
US10103548B2 (en) Operating a solar power generating system
US20180046924A1 (en) Whole-life-cycle power output classification prediction system for photovoltaic systems
JP6693330B2 (ja) 太陽光発電システムの動作
JP6193008B2 (ja) 予測システム、予測装置および予測方法
US20120166085A1 (en) Solar power monitoring and predicting of solar power output
US9773303B2 (en) Prediction system for short-term solar irradiance and method for operating the same
CN114006369B (zh) 区域风光场站功率联合预测方法、装置、电子设备和存储介质
US11196380B2 (en) Power generation prediction system and method thereof
CN116070728B (zh) 光伏发电系统发电量预测方法、设备、系统及介质
CN115933757B (zh) 智能旋转太阳能板的控制方法、系统、介质及设备
KR102139329B1 (ko) 태양광 발전소를 모니터링하는 방법 및 장치
Zhi et al. A physical model with meteorological forecasting for hourly rooftop photovoltaic power prediction
CN103916071B (zh) 一种风光互补发电的均衡出力智能控制系统和方法
CN117055627B (zh) 光伏电站发电控制方法、装置、设备及存储介质
CN105279310A (zh) 一种聚光太阳能光伏系统中模组分布结构的优化设计方法
Alessandrini et al. The influence of the new ECMWF Ensemble Prediction System resolution on wind power forecast accuracy and uncertainty estimation
Fernandez et al. Monitoring Floating Solar Tracker based on Axis Coordinates using LoRa Network.
US11486606B2 (en) Method of forecasting heat output of solar collectors
CN113205218A (zh) 一种基于无人机摄像成图的风电场微观选址方法
Kumaravel A novel measurement technique for performance comparison of sun tracker systems
US10886778B2 (en) Remote monitoring system and related method for solar power generation devices
CN113610287A (zh) 光功率预报方法、装置、计算机设备及存储介质
CN106407591B (zh) 基于智能终端设备的光伏系统发电量模拟系统
CN116822658B (zh) 一种风光资源的预警方法、装置、计算机设备及存储介质
KR102675595B1 (ko) 장기 태양광 발전량 예측 시스템

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