CN117155237A - 一种基于数字孪生的光伏跟踪支架系统及方法 - Google Patents
一种基于数字孪生的光伏跟踪支架系统及方法 Download PDFInfo
- Publication number
- CN117155237A CN117155237A CN202310261839.XA CN202310261839A CN117155237A CN 117155237 A CN117155237 A CN 117155237A CN 202310261839 A CN202310261839 A CN 202310261839A CN 117155237 A CN117155237 A CN 117155237A
- Authority
- CN
- China
- Prior art keywords
- tracking
- real
- bracket
- photovoltaic
- state
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000004088 simulation Methods 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000005855 radiation Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 description 21
- 238000010248 power generation Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于数字孪生的光伏跟踪支架系统及方法。包括:跟踪支架实体系统:采集光伏跟踪支架的实时运行数据;数字孪生体系统:基于实时运行数据构建实时的数字孪生模型;跟踪支架方案数据库:基于实时的数字孪生模型对光伏跟踪支架的跟踪方案进行实时智能优化算法优化,得到实时的最优跟踪方案;跟踪状态识别系统:基于最优跟踪方案对光伏跟踪支架进行实时控制。本发明实现光伏跟踪支架的数字化与智能化,对太阳进行更为合理高效的实时跟踪,并对光伏跟踪支架的使用寿命进行合理的预测。
Description
技术领域
本发明属于太阳能发电技术领域,具体涉及一种基于数字孪生的光伏跟踪支架系统及方法。
背景技术
太阳能作为一种取之不尽、用之不竭的清洁可再生能源,光伏系统可完成太阳能到电能的有效转换,其中的跟踪支架作为光伏系统的组成部分在发电过程中有使光伏板对太阳进行实时跟踪以提高太阳辐射量,并提高光伏系统的发电量,如今,大多光伏跟踪系统主要依据天文算法确定太阳的位置并调节光伏跟踪支架来进行跟踪太阳运动,然而,基于天文算法的跟踪只是在理想情况下,并没有考虑到实际的状况,所以,在某些情况下不能有效的提高光伏装置的发电效率,此外,光伏跟踪支架的可靠性及使用寿命也引起了人们的高度关注。因此,要实现光伏跟踪支架的数字化与智能化,利用数字孪生与光伏跟踪支架相结合的方式完成光伏系统对太阳运动的实时跟踪并对光伏跟踪支架进行合理的寿命预测以合理减小光伏系统的维护费用是本领域人员亟需解决的重要问题。
发明内容
本发明的目的是:提供了一种基于数字孪生的光伏跟踪支架系统及方法。本发明实现光伏跟踪支架的数字化与智能化,对太阳进行更为合理高效的实时跟踪,并对光伏跟踪支架的使用寿命进行合理的预测,由此极大程度的提升光伏系统的发电效益、减小由停机检修所带来的经济损失。
本发明的技术方案是:一种基于数字孪生的光伏跟踪支架系统,包括:
跟踪支架实体系统:采集光伏跟踪支架的实时运行数据,并传递至数字孪生体系统、跟踪支架方案数据库;
数字孪生体系统:基于所述的实时运行数据构建实时的数字孪生模型,并将此数字孪生模型传递至跟踪支架方案数据库;
跟踪支架方案数据库:基于实时的数字孪生模型对光伏跟踪支架的跟踪方案进行实时智能优化算法优化,得到当前光伏跟踪支架对太阳运动进行跟踪的最优方案并保存;
跟踪状态识别系统:对跟踪支架实体系统中所传递的实时运行数据进行数据判断,判断当前运行状态是否安全,再将光伏跟踪支架当前运行状态与跟踪支架方案数据库保存的最优方案进行匹配,输出匹配的优化方案对光伏跟踪支架进行实时控制。
前述的基于数字孪生的光伏跟踪支架系统,还包括:
结构寿命预测系统:将跟踪支架实体系统采集的实时运行数据与跟踪支架方案数据库中的数字孪生模型进行融合交互,对光伏跟踪支架的结构强度进行多学科分析,基于结构及历史数据采用统计学方法对光伏跟踪支架进行寿命预测。
前述的基于数字孪生的光伏跟踪支架系统中,所述的实时运行数据包括:前液压推杆支撑与斜梁的角度、前液压推杆支撑与横梁的角度、后液压推杆支撑与斜梁的角度和后液压推杆支撑与横梁的角度。
前述的基于数字孪生的光伏跟踪支架系统中,所述的数字孪生体系统包括:
三维模型单元:基于设计参数完成对光伏跟踪支架的三维模型建立;
多学科模拟单元:基于采集的实时运行数据对光伏跟踪支架的三维模型展开实时数值模拟,以此构建实时的数字孪生模型;所述的数值模拟包括对三维模型的力学与声学模拟。
前述的基于数字孪生的光伏跟踪支架系统中,数值模拟的过程具体如下:
基于ABAQUS、ANSYS、MSU、Fluent或Numeca平台从力学、声学对光伏跟踪支架进行数值模拟,模拟在实时运行状态下,光伏跟踪支架关键零件在均布载荷下的位移分布规律,并对光伏跟踪支架的关键精细元件进行模拟分析,反应不同截面之间的张力分布,准确确定结构最大张力分布;分析在不同天气下光伏跟踪支架结构的固定频率特性以及固有振动形式,同时分析周期性载荷与非周期性载荷的动态响应;基于温度应力分析光伏跟踪支架工作零件中的温度分布,并分析实时温度场下的结构强度;上述的数值模拟过程与数据传递过程同步进行,由此得到实时状态下的数字孪生模型。
前述的基于数字孪生的光伏跟踪支架系统中,所述的跟踪支架方案数据库中包括:
数字模型库:以光伏跟踪支架对太阳进行跟踪并获得最大辐射量为优化目标,采用智能优化算法,对当前的光伏跟踪支架的各个参数进行多目标优化,获得最佳辐射角度方案;
最优数字孪生体库:存储数字孪生模型,并将每个数字孪生模型所对应的优化方案同步保存,同时通过数值计算验证方案的可行性。
前述的基于数字孪生的光伏跟踪支架系统中,所述的智能优化算法的优化过程如下:将数字孪生模型输入至跟踪支架方案数据库中的数字模型库,由智能优化算法基于天文跟踪算法对当前的数字孪生模型进行多目标优化;以当前光伏跟踪支架中的前液压推杆支撑与斜梁的角度、前液压推杆支撑与横梁的角度、后液压推杆支撑与斜梁的角度和后液压推杆支撑与横梁的角度四个参数作为优化变量以取最大辐射量为优化目标进行多目标优化,将跟踪支架实体系统所采集的实时运行数据中的四个角度数据与最大辐射量建立人工神经网络模型,将建立的人工神经网络模型采用Pareto优解法进行多目标优化,最终可得到Pareto前沿解集,再从该解集中选取适合当前系统运行状态的角度方案。
前述的基于数字孪生的光伏跟踪支架系统中,优化采用的智能优化算法包括蚁群算法、模拟退火算法或粒子群算法中一种或多种。
前述的基于数字孪生的光伏跟踪支架系统中,跟踪状态识别系统的工作过程如下:将跟踪支架实体系统采集的实时运行数据同步传输至跟踪状态识别系统,在基于多学科数值模拟下自动分析当前光伏跟踪支架的运行状态是否为安全工作状态,若当前运行处于非安全工作状态,则将当前的状态数据进行记录并立即将光伏跟踪支架自动锁定到最佳安全位置;若当前工作状态为安全运行状态,跟踪状态识别系统对当前光伏跟踪支架的跟踪状态进行鉴别,将当前光伏跟踪支架的跟踪状态与跟踪支架方案数据库中的最优方案进行匹配,若二者相符,按照当前的跟踪状态继续运行;若二者不符,则将当前跟踪状态下的数字孪生模型传输至跟踪支架方案数据库中,对当前跟踪状态进行多目标优化输出最优方案,再进一步将最优方案输出至跟踪支架实体系统中进行输出执行。
前述的基于数字孪生的光伏跟踪支架系统中,跟踪支架实体系统采集光伏跟踪支架的实时运行数据;数字孪生体系统基于设计参数与实时运行数据构建与光伏跟踪支架运行状态实时对应的数字孪生体模型;跟踪支架方案数据库通过智能优化算法对数字孪生体模型进行优化得到最优方案,再通过数值模拟的方法对优化结果进行合理性验证;跟踪状态识别系统基于跟踪支架实体系统所采集的实时运行数据,对当前的跟踪状态进行判断,输出与此刻对应的跟踪状态的最优方案对光伏跟踪支架进行实时控制。
本发明的优点是:本发明通过构建光伏跟踪支架的数字孪生模型,对光伏跟踪支架的跟踪状态进行智能识别,并根据当前运行状态进行基于智能优化算法的合理优化,提供对应时刻的最佳跟踪方案,通过控制单元实现对光伏支架的精细控制,从而使光伏系统能最大限度的捕捉太阳光,提高辐射效率,提高光伏系统的能量转换效率,基于数字孪生与实体系统的虚拟实体交互科学的对光伏跟踪支架中关键零部件进行合理的寿命预测,可以做到预防维修,大大减小维护成本,改变定期检修的传统方式,根据预测结果,可采取适当措施延长结构使用寿命,有效确保光伏跟踪支架的安全稳定运行,使系统长期处于高质量低成本的方式运行,为结构的维护和改进提供科学的支持,从而提高了光伏系统的经济效益。
综上所述,实现光伏跟踪支架的数字化与智能化,对太阳进行更为合理高效的实时跟踪,并对光伏跟踪支架的使用寿命进行合理的预测,由此极大程度的提升光伏系统的发电效益、减小由停机检修所带来的经济损失。
附图说明
图1是基于数字孪生的光伏跟踪支架及方法的流程图;
图2是光伏跟踪支架结构示意图;
图3是光伏跟踪支架有限元分析图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
实施例1。一种基于数字孪生的光伏跟踪支架系统,参见图1,包括:
跟踪支架实体系统:在光伏系统运行时在光伏跟踪支架上相关传感器对光伏跟踪支架的运行进行实时的数据采集,并实时将数据传递至数字孪生体系统、跟踪支架方案数据库;
数字孪生体系统:接受由跟踪支架实体系统中所采集的关键数据进行数据整合,构建实时的数字孪生模型,并将此数字孪生体传递至数字模型库;
跟踪支架方案数据库:将实时的数字孪生体模型对跟踪支架的跟踪方案进行实时智能算法优化,由此得到当前光伏跟踪支架对太阳运动进行跟踪的最优方案;
跟踪状态识别系统:对跟踪支架实体系统中所传递的实时数据进行数据判断,判断当前运行状态是否安全,再对当前安全运行状态进一步判别,将跟踪支架当前状态与历史数据进行对比,输出优化方案。
结构寿命预测系统:将跟踪支架实体系统与跟踪支架方案数据库进行交互,对光伏跟踪支架的结构强度进行多学科分析,基于结构及历史数据采用统计学方法对此进行科学的寿命预测。
特别地,所述的跟踪支架实体系统中有跟踪支架部分及运行数据采集部分,在跟踪支架部分中跟踪支架控制中枢完成对太阳运动的实时跟踪,数据采集部分将光伏跟踪支架中的各种实时运行状态通过各种高精度传感器转变为数字信号输入至数字孪生体系统。
特别地,传递至此数据孪生体系统的实时数据包括:当前时刻的光照强度、光伏跟踪支架的朝向及支架的各种角度、支架在当前状态下的振动数值、当前的温度等。
特别地,数字孪生体系统包括:
三维模型单元:基于设计参数完成对光伏跟踪支架的三维模型建立。
多学科模拟单元:基于采集的实时运行数据对光伏跟踪支架的三维模型展开实时数值模拟,数值模拟包括对模型的力学与声学模拟,并以此得到实时的数字孪生模型。
跟踪支架方案数据库中包括:
数字模型库:以光伏跟踪支架对太阳进行跟踪并获得最大辐射量为优化目标,采用智能优化算法,对当前的光伏跟踪支架的各个参数进行多目标优化,获得最佳辐射角度方案。
最优数字孪生体库:上述实时数字孪生体都输入到此数据库中,并将每个数字孪生体所对应的优化方案同步传输至此,同时通过数值计算验证方案的可行性。
特别地,上述智能优化算法可用蚁群算法、模拟退火算法、粒子群算法等。
特别地,对光伏跟踪支架的跟踪状态判断在于,由跟踪支架实体系统中所采集的运行数据同步传输至跟踪状态识别系统,在基于多学科数值模拟下自动分析当前运行状态是否为安全工作状态,若当前运行处于非安全工作状态,即出现极端天气如暴雨、大风、大雪等情况,则将当前的状态数据进行记录并立即将光伏跟踪支架自动锁定到最佳安全位置,安全位置数据基于上述多学科综合分析所得数据确定,并将安全位置方案直接传递至跟踪支架控制单元运行,若当前工作状态为安全运行状态该系统对当前跟踪状态进行鉴别,将当前运光伏跟踪支架的运行状态与跟踪支架方案数据库中的所对应的最优方案进行对比,若二者相符,则当前所对应的跟踪状态即为最优方案,将此最优方案输出至跟踪支架实体系统进行输出;若二者不符,则将此状态下的数字孪生模型传输至跟踪支架方案数据库中,对当前跟踪状态进行多目标优化,并输出当前状态下的最优方案,再进一步输出至跟踪支架实体系统中进行输出执行。
特别地,结构寿命预测系统对跟踪支架的关键零件进行动态监测,包括:
通过跟踪支架实体系统中所采集的实时数据将跟踪支架与数字孪生体进行融合交互,并将融合交互后的数据传递至结构寿命预测系统中,对光伏跟踪支架的关键零部件及易损部件展开合理基于多学科下的寿命预测分析。
上述的基于数字孪生的光伏跟踪支架系统的跟踪方法,在跟踪支架实体系统中实时采集关键数据,转化为数字信号后传递至数字孪生体系统;基于设计参数与实时数字信号构建与运行状态实时对应的数字孪生体模型,并通过智能优化算法对数字孪生体模型进行优化,在通过数值模拟的方法对优化结果进行合理性验证;在跟踪状态验证系统里基于跟踪支架实体系统所采集的实时数据,对当前的跟踪状态进行判断,输出与此刻对应的跟踪状态的最优方案;结构寿命预测系统将跟踪支架实体系统、数字孪生体系统与跟踪支架方案数据库三者进行虚拟实体融合交互,对光伏跟踪支架关键零件进行动态监测并作合理寿命预测。
实施例2。一种基于数字孪生的光伏跟踪支架系统的跟踪方法,参见图1和图2,包括如下步骤:
步骤1:光伏跟踪支架在开机运行对太阳进行实时跟踪时,跟踪支架控制单元随时对光伏跟踪支架的跟踪姿态进行调整,放置于其中的传感器如温度传感器、光照强度传感器、支架位置传感器、角度传感器、电流传感器实时测量运行中的关键数据(即实时运行数据),如当前时刻温度、湿度、太阳的光照强度、当前的风速、风向、结构之间的振动强度、光伏跟踪支架中关键控制零件之间的角度如前液压推杆支撑与斜梁的角度1、前液压推杆支撑与横梁的角度2、后液压推杆支撑与斜梁的角度3、后液压推杆支撑与横梁的角度4等,跟踪支架控制单元基于上述所采集数据,可得到跟踪支架当前位置信息,控制单元同时控制跟踪支架电机运行状态,实现调节跟踪支架移动的运行速度,支架的移动的开启或关闭,传感器设备高频率对上述数值进行采集,并通过数据低延迟的传递方式将所采集数据同步传输至数字孪生体系统中。
步骤2:在所述的数字孪生体系统中,对于光伏跟踪支架的三维建模可采用Creo、NX UG、CATIA、Modo等软件,在通过步骤1所得到的关键数据对建模完成的三维进行数值模拟,数值模拟软件可采用ABAQUS、ANSYS、MSU、Fluent、Numeca等软件进行,对光伏跟踪支架的数值模拟主要从力学,声学等多方面进行综合分析,模拟在实时运行状态下,关键支架零件在均布载荷下的位移分布规律,对关键精细元件进行模拟分析,反应不同截面之间的张力分布,准确确定结构最大张力分布;在不同天气下的结构的固定频率特性以及固有振动形式,同时分析周期性载荷与非周期性载荷的动态响应,基于温度应力分析工作零件中的温度分布,分析实时温度场下的结构强度,数值模拟过程与数据传递过程同步进行,由此得到实时状态下的数字孪生模型(由此得到的模型更加准确),并将模型同步传输至跟踪支架方案数据库中。
步骤3:将数字孪生模型输入至跟踪支架方案数据库中的数字模型库,由智能优化算法基于天文跟踪算法对当前的数字孪生模型进行多目标优化,将当前光伏跟踪支架中关键控制零件之间的角度如前液压推杆支撑与斜梁的角度1、前液压推杆支撑与横梁的角度2、后液压推杆支撑与斜梁的角度3、后液压推杆支撑与横梁的角度4、四个参数作为优化变量以取最大辐射量为优化目标进行多目标优化,将步骤1中所采集的四个角度数据与最大辐射量建立人工神经网络模型,该模型主要优点在于并行处理能力,使得人工神经网络能够处理多个输入变量,并且处理速度很高,同时具有自适应能力与学习能力,神经网络可以自适应的调整权重与偏置以适应输入数据的变化,同时神经网络可通过学习已知数据去对未知数据进行预测,将建立所得模型采用Pareto优解法进行多目标优化,Pareto优解法优点主要在于Pareto优解法不仅能够找到最优解,还能够找到多个最优解,该方法能够将多个目标之间的权衡和决策可视化,使决策者更容易理解和做出决策,同时,该方法可以通过并行计算等方式提高计算效率,减少计算时间,灵活性高且易于实现,最终可得到Pareto前沿解集,再从该解集中选取适合当前系统运行状态的角度方案。寻优结束后可得到当前运行状态下的最优控制方案,进而传递到最优跟踪方案库,基于运行状态不断改变,由此产生的数字孪生体越来越多,所以在不断的计算与累积下,数字孪生体的准确性越来越高,也能更准确的反应实际状态,保证了数字孪生体的精准性。
步骤4:实时数据同步传输至跟踪状态识别系统,基于跟踪支架方案数据库对当前跟踪状态进行识别,在基于步骤2中多学科数值模拟下自动分析当前运行状态是否为安全工作状态,若当前出现极端天气如暴雨、大风、大雪等情况,则将当前的状态数据进行记录并立即将光伏跟踪支架自动锁定到最佳安全位置,安全位置数据基于上述多学科综合分析所得数据确定,并将安全位置方案直接传递至跟踪支架控制单元运行,若当前工作状态为安全运行状态,则该系统对当前跟踪状态进行判别,将当前运光伏跟踪支架的运行状态与跟踪支架方案数据库中的所对应的最优方案进行对比,若二者相符,则当前所对应的跟踪状态即为最优方案,将此最优方案输出至跟踪支架实体系统进行输出;若二者不符,则将此状态下的数字孪生模型传输至最优数字孪生体库中,重复步骤3,4,对当前跟踪状态进行多目标优化,并输出当前状态下的最优方案,再进一步输出至跟踪支架实体系统中进行输出执行,同时,在不断的数据累积下,数字孪生模型可信度越来越高。
步骤5:基于跟踪支架实体系统、数字孪生体系统、跟踪支架方案数据库三者的虚拟实体结合,通过跟踪支架实体系统中所采集的实时数据将跟踪支架实物与数字孪生体进行融合交互,并将融合交互后的数据传递至结构寿命预测系统中,基于数字孪生体中的多学科模拟对光伏跟踪支架进行全方位分析,结合跟踪支架结构、材料性能、环境因素、结构载荷等分析光伏跟踪支架的关键零部件及易损部件的张力、拉力、载荷、结构频率响应、结构强度等获得全面的力学效应,得到结构上可能易损的位置,以及因为金属疲劳而会产生的损害,在整个系统中每个状态下的数字孪生体模型如同不同状态的试验,再结合数字孪生体及历史数据环境数据,运用统计学方法如可靠性分析、微观损伤模型、多因素统计分析、模拟分析等(参见图3),综合考虑多方面因素对光伏跟踪支架进行准确合理的故障诊断及寿命预测,为结构的维护和改进提供科学的支持,在光伏跟踪支架中,支架中的立柱、梁、液压推杆结构都为关键部件,其发生故障或失效会导致发电梁降低、甚至是发电中断因此产生大量维护费用,利用寿命预测及故障诊断可以帮助管理者提前预测关键部件的寿命,对需要进行维护的结构进行维护及更换,从而减小计划外的维护及修理成本,同时减少了由于设备、结构或机器失效而导致的生产中断、产品缺陷和安全事故等问题,可以及时发现设备、结构或机器的潜在问题,采取相应的措施,从而延长其寿命,减少更换成本,可以帮助企业更好地计划和优化其维修计划,避免过度维护和不足维护的情况,减少维修成本和提高生产效率,综上所述,该系统能在多方面减少成本并提高光伏系统的发电效率及其产品的可靠性。
采用上述步骤,基于某地10MW容量的光伏方阵进行分析对比,组件规格为540Wp,基于PVsyst软件,对上述光伏跟踪支架进行模拟发电分析得到发电数据如下。分析可知,数字孪生光伏跟踪支架相较于最佳倾角系统在15年内的平均发电量提升约15.2%。以2022年全国平均上网电价0.43888元/kWh计算,可增加约174万元的售电收入。
Claims (10)
1.一种基于数字孪生的光伏跟踪支架系统,其特征在于,包括:
跟踪支架实体系统:采集光伏跟踪支架的实时运行数据,并传递至数字孪生体系统、跟踪支架方案数据库;
数字孪生体系统:基于所述的实时运行数据构建实时的数字孪生模型,并将此数字孪生模型传递至跟踪支架方案数据库;
跟踪支架方案数据库:基于实时的数字孪生模型对光伏跟踪支架的跟踪方案进行实时智能优化算法优化,得到当前光伏跟踪支架对太阳运动进行跟踪的最优方案并保存;
跟踪状态识别系统:对跟踪支架实体系统中所传递的实时运行数据进行数据判断,判断当前运行状态是否安全,再将光伏跟踪支架当前运行状态与跟踪支架方案数据库保存的最优方案进行匹配,输出匹配的优化方案对光伏跟踪支架进行实时控制。
2.根据权利要求1所述的基于数字孪生的光伏跟踪支架系统,其特征在于,还包括:
结构寿命预测系统:将跟踪支架实体系统采集的实时运行数据与跟踪支架方案数据库中的数字孪生模型进行融合交互,对光伏跟踪支架的结构强度进行多学科分析,基于结构及历史数据采用统计学方法对光伏跟踪支架进行寿命预测。
3.根据权利要求1所述的基于数字孪生的光伏跟踪支架系统,其特征在于,所述的实时运行数据包括:前液压推杆支撑与斜梁的角度(1)、前液压推杆支撑与横梁的角度(2)、后液压推杆支撑与斜梁的角度(3)和后液压推杆支撑与横梁的角度(4)。
4.根据权利要求1所述的基于数字孪生的光伏跟踪支架系统,其特征在于,所述的数字孪生体系统包括:
三维模型单元:基于设计参数完成对光伏跟踪支架的三维模型建立;
多学科模拟单元:基于采集的实时运行数据对光伏跟踪支架的三维模型展开实时数值模拟,以此构建实时的数字孪生模型;所述的数值模拟包括对三维模型的力学与声学模拟。
5.根据权利要求4所述的基于数字孪生的光伏跟踪支架系统,其特征在于,数值模拟的过程具体如下:
基于ABAQUS、ANSYS、MSU、Fluent或Numeca平台从力学、声学对光伏跟踪支架进行数值模拟,模拟在实时运行状态下,光伏跟踪支架关键零件在均布载荷下的位移分布规律,并对光伏跟踪支架的关键精细元件进行模拟分析,反应不同截面之间的张力分布,准确确定结构最大张力分布;分析在不同天气下光伏跟踪支架结构的固定频率特性以及固有振动形式,同时分析周期性载荷与非周期性载荷的动态响应;基于温度应力分析光伏跟踪支架工作零件中的温度分布,并分析实时温度场下的结构强度;上述的数值模拟过程与数据传递过程同步进行,由此得到实时状态下的数字孪生模型。
6.根据权利要求1所述的基于数字孪生的光伏跟踪支架系统,其特征在于,所述的跟踪支架方案数据库中包括:
数字模型库:以光伏跟踪支架对太阳进行跟踪并获得最大辐射量为优化目标,采用智能优化算法,对当前的光伏跟踪支架的各个参数进行多目标优化,获得最佳辐射角度方案;
最优数字孪生体库:存储数字孪生模型,并将每个数字孪生模型所对应的优化方案同步保存,同时通过数值计算验证方案的可行性。
7.根据权利要求6所述的基于数字孪生的光伏跟踪支架系统,其特征在于,所述的智能优化算法的优化过程如下:将数字孪生模型输入至跟踪支架方案数据库中的数字模型库,由智能优化算法基于天文跟踪算法对当前的数字孪生模型进行多目标优化;以当前光伏跟踪支架中的前液压推杆支撑与斜梁的角度(1)、前液压推杆支撑与横梁的角度(2)、后液压推杆支撑与斜梁的角度(3)和后液压推杆支撑与横梁的角度(4)四个参数作为优化变量以取最大辐射量为优化目标进行多目标优化,将跟踪支架实体系统所采集的实时运行数据中的四个角度数据与最大辐射量建立人工神经网络模型,将建立的人工神经网络模型采用Pareto优解法进行多目标优化,最终可得到Pareto前沿解集,再从该解集中选取适合当前系统运行状态的角度方案。
8.根据权利要求1所述的基于数字孪生的光伏跟踪支架系统,其特征在于,优化采用的智能优化算法包括蚁群算法、模拟退火算法或粒子群算法中一种或多种。
9.根据权利要求1所述的基于数字孪生的光伏跟踪支架系统,其特征在于,跟踪状态识别系统的工作过程如下:将跟踪支架实体系统采集的实时运行数据同步传输至跟踪状态识别系统,在基于多学科数值模拟下自动分析当前光伏跟踪支架的运行状态是否为安全工作状态,若当前运行处于非安全工作状态,则将当前的状态数据进行记录并立即将光伏跟踪支架自动锁定到最佳安全位置;若当前工作状态为安全运行状态,跟踪状态识别系统对当前光伏跟踪支架的跟踪状态进行鉴别,将当前光伏跟踪支架的跟踪状态与跟踪支架方案数据库中的最优方案进行匹配,若二者相符,按照当前的跟踪状态继续运行;若二者不符,则将当前跟踪状态下的数字孪生模型传输至跟踪支架方案数据库中,对当前跟踪状态进行多目标优化输出最优方案,再进一步将最优方案输出至跟踪支架实体系统中进行输出执行。
10.一种基于数字孪生的光伏跟踪支架的跟踪方法,其特征在于,跟踪支架实体系统采集光伏跟踪支架的实时运行数据;数字孪生体系统基于设计参数与实时运行数据构建与光伏跟踪支架运行状态实时对应的数字孪生体模型;跟踪支架方案数据库通过智能优化算法对数字孪生体模型进行优化得到最优方案,再通过数值模拟的方法对优化结果进行合理性验证;跟踪状态识别系统基于跟踪支架实体系统所采集的实时运行数据,对当前的跟踪状态进行判断,输出与此刻对应的跟踪状态的最优方案对光伏跟踪支架进行实时控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310261839.XA CN117155237B (zh) | 2023-03-17 | 2023-03-17 | 一种基于数字孪生的光伏跟踪支架系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310261839.XA CN117155237B (zh) | 2023-03-17 | 2023-03-17 | 一种基于数字孪生的光伏跟踪支架系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117155237A true CN117155237A (zh) | 2023-12-01 |
CN117155237B CN117155237B (zh) | 2024-05-17 |
Family
ID=88885560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310261839.XA Active CN117155237B (zh) | 2023-03-17 | 2023-03-17 | 一种基于数字孪生的光伏跟踪支架系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117155237B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118504433A (zh) * | 2024-07-18 | 2024-08-16 | 嘉兴市超联新能源技术有限公司 | 一种基于光伏柔性支架建立数据孪生体的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020202184A1 (en) * | 2019-03-29 | 2020-10-08 | Helios Iot Systems Private Limited | A system employing electrical digital twin for solar photovoltaic power plant |
CN113075940A (zh) * | 2021-03-24 | 2021-07-06 | 阳光电源(上海)有限公司 | 一种光伏组串跟踪支架控制方法及相关装置 |
CN115224698A (zh) * | 2022-07-20 | 2022-10-21 | 南京理工大学 | 基于数字孪生的新能源电力系统无功-电压优化控制方法 |
CN115693757A (zh) * | 2022-09-14 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于数字孪生技术的光伏能源优化调控方法 |
CN115776274A (zh) * | 2022-12-01 | 2023-03-10 | 南京陆洁太智机器人科技有限公司 | 一种空地联合立体式光伏组件智能运维系统 |
-
2023
- 2023-03-17 CN CN202310261839.XA patent/CN117155237B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020202184A1 (en) * | 2019-03-29 | 2020-10-08 | Helios Iot Systems Private Limited | A system employing electrical digital twin for solar photovoltaic power plant |
CN113075940A (zh) * | 2021-03-24 | 2021-07-06 | 阳光电源(上海)有限公司 | 一种光伏组串跟踪支架控制方法及相关装置 |
CN115224698A (zh) * | 2022-07-20 | 2022-10-21 | 南京理工大学 | 基于数字孪生的新能源电力系统无功-电压优化控制方法 |
CN115693757A (zh) * | 2022-09-14 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于数字孪生技术的光伏能源优化调控方法 |
CN115776274A (zh) * | 2022-12-01 | 2023-03-10 | 南京陆洁太智机器人科技有限公司 | 一种空地联合立体式光伏组件智能运维系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118504433A (zh) * | 2024-07-18 | 2024-08-16 | 嘉兴市超联新能源技术有限公司 | 一种基于光伏柔性支架建立数据孪生体的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117155237B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Short-time multi-energy load forecasting method based on CNN-Seq2Seq model with attention mechanism | |
WO2022063282A1 (zh) | 确定光伏组件的生命周期的方法及装置 | |
CN117155237B (zh) | 一种基于数字孪生的光伏跟踪支架系统及方法 | |
Dolatabadi et al. | Deep spatial-temporal 2-D CNN-BLSTM model for ultrashort-term LiDAR-assisted wind turbine's power and fatigue load forecasting | |
CN112085261A (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
Olatunji et al. | Overview of digital twin technology in wind turbine fault diagnosis and condition monitoring | |
CN110135064B (zh) | 一种发电机后轴承温度故障预测方法、系统及控制器 | |
CN110469456B (zh) | 降低变桨疲劳的风电场智能控制方法及系统 | |
CN117411039A (zh) | 一种智能储能充电系统 | |
CN116167531A (zh) | 一种基于数字孪生的光伏发电预测方法 | |
CN106762453B (zh) | 具有发电量预测及跟踪控制的风力发电智能网及控制方法 | |
CN112348276A (zh) | 基于多要素三层次的综合能源系统规划优化方法 | |
CN115238959A (zh) | 一种面向用户侧能源综合利用的数字孪生系统和方法 | |
Wang et al. | A novel wind power prediction model improved with feature enhancement and autoregressive error compensation | |
Li et al. | Framework and case study of cognitive maintenance in Industry 4.0 | |
KR20230102007A (ko) | 태양광 및 수소연료전지 하이브리드 발전 시스템 제어 장치 및 방법 | |
CN116914719A (zh) | 一种基于时空图网络的光伏发电站功率预测方法 | |
Liu et al. | Digital twins of wave energy generation based on artificial intelligence | |
CN111753097B (zh) | 基于深度学习的电力现货交易出清的数据分析方法及装置 | |
Haque et al. | Machine learning in renewable energy systems for smart cities | |
CN117914001B (zh) | 电力系统、故障研判方法、装置、设备及介质 | |
Ou et al. | Fault Prediction Model of Wind Power Pitch System Based on BP Neural Network | |
Min | Improved Fault Prediction Algorithm of High-Speed EMUs based on PHM Technology | |
CN117130351B (zh) | 基于数字孪生技术的新能源场站区域联合控制保护系统 | |
CN117350431A (zh) | 一种基于数字孪生的光伏发电预测系统 |
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 |