CN208335256U - 一种基于分布式光伏电站设计的预测发电量计算系统 - Google Patents
一种基于分布式光伏电站设计的预测发电量计算系统 Download PDFInfo
- Publication number
- CN208335256U CN208335256U CN201820866721.4U CN201820866721U CN208335256U CN 208335256 U CN208335256 U CN 208335256U CN 201820866721 U CN201820866721 U CN 201820866721U CN 208335256 U CN208335256 U CN 208335256U
- Authority
- CN
- China
- Prior art keywords
- power station
- irradiation
- photovoltaic
- generated energy
- data
- 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.)
- Expired - Fee Related
Links
Classifications
-
- 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
本实用新型涉及一种基于分布式光伏电站设计的预测发电量计算系统，该系统分为数据采集端、数据处理端、数据交互端。通过数据采集端获取分布式光伏电站安装所在地区的水平面辐照强度、日总辐照量H、风速和温度；数据处理端通过数据采集端采集的数据，结合光伏电站的纬度、组件安装倾角β及方位角来计算光伏组件接收的总辐照量H TX 以及综合效率系数K 2 ，并将H TX 和K 2 代入电站发电量计算公式得到电站预测发电量E p2 ；用户可通过数据交互端的处理器得到电站预测发电量信息；本实用新型提供的分布式光伏电站发电量预测系统，考虑光伏电站设计因素和运行环境影响，对发电量进行准确预测，便于光伏企业对电站进行可研、评估和运维，提高企业效益。
Description
技术领域
本实用新型涉及光伏发电技术领域，尤其涉及一种基于分布式光伏电站设计的预测发电量计算系统。
背景技术
随着石油、煤炭等不可再生能源的逐渐衰竭枯萎以及对环境污染的日益加重，光伏发电成为了电力行业中的一大发展趋势。但在全国各地光伏电站日益增多的同时，分布式光伏电站的装机容量也在不断扩大，致使光伏电站的并网运行对电网的影响也不断扩大。
从电网调度与提高电网电能质量的角度来看，准确的光伏发电量预测在对含有光伏发电系统的电网做发展规划时，可以为电网的调度部门提供数据支撑，也便于统筹安排常规能源与光伏发电的协调配合；从并网光伏电站设计安装角度来看，光伏电站发电量的准确预测可以为之后的电站设计、光伏电站电气设备选型提供重要的参考依据，并为光伏电站建造前的可行性分析提供依据；从光伏电站运维管理角度来看，光伏电站发电量会因为光伏电站运行环境的恶劣、运行工况的复杂多变，导致电池板的实际运行性能往往低于设计指标，太阳能利用效率的普遍降低，因而对光伏电站实际发电量与预测发电量进行对照评估，就可了解光伏电站随着时间变化的运行状况，并有针对性地提出运维方案措施；从光伏电站经济效益角度来看，准确预测电站发电量可为光伏发电项目决策提供重要依据，提高光伏企业的竞争力、经济效益和投资回报率，提高光伏电站的运行管理水平和经济效益有重要的意义。但，目前大多数的光伏电站发电量预测方法需要获取大量的电站历史发电量数据来做预测，不仅数据庞大，对于预测新建立的光伏电站发电量也具有历史数据空缺的局限性，且电站设计时所确定规格的光伏组件、线缆、逆变器等设备在时间维度上的损耗对于发电量影响的判断也较为局限。
鉴于此，有必要提供一种基于分布式光伏电站设计的预测发电量计算系统，以满足实际应用需求。
实用新型内容
本实用新型的目的是提供一种基于分布式光伏电站设计的预测发电量计算系统，以实现不依靠光伏电站历史发电量数据，但能考虑电站设计时所选择的光伏组件、线缆、逆变器、变压器规格参数对于电站发电量的影响，考虑电站运行时间和所受环境的影响，对分布式光伏电站进行发电量的准确预测，便于光伏企业进行准确的评估、运维和调度、提高企业效益。
为解决上述技术问题，本实用新型提供一种基于分布式光伏电站设计的预测发电量计算系统，其特征在于，系统分为数据采集端、数据处理端、数据交互端；在目标电站区域设有数据采集端，数据采集端包括辐照仪1、温度传感器2、风速检测仪3以及联网的处理器4；辐照仪1、温度传感器2和风速检测仪3分别通过导线连接至处理器4，数据处理端为云端服务器5，计算分析数据；数据交互端为设置在用户处的处理器6。
数据采集端通过辐照仪1、温度传感器2、风速检测仪3为数据处理端提供分布式光伏电站安装所在地区的水平面辐照强度以及日总辐照量H、风速和温度。
数据处理端通过以下几个步骤预测计算分布式光伏电站组件表面所接收的月总辐照量。
Ⅰ.获取电站安装的光伏组件倾角、方位角、电站所在地区的水平面上日总辐照量以及电站所在地的纬度；其中电站安装的光伏组件倾角、方位角以及纬度预先存在云端服务器5中。
Ⅱ.根据所述光伏组件倾角、方位角以及电站所在纬度与其水平面上日总辐照量信息计算电站所在地区的日出日落时角及大气层外水平面辐照量。
Ⅲ.根据所述电站所在地区水平面上日总辐照量、大气层外水平太阳辐照量计算出水平面上直射辐照量和水平面上散射辐照量。
Ⅳ.根据所述光伏组件倾角、方位角计算出一天的水平面上直射辐射量和倾斜面上的直射辐射量之比。
Ⅴ.将所述电站所在地区水平面上日总辐照量、大气层外水平太阳辐照量、水平面上直射辐照量、水平面上散射辐照量、倾斜面与水平面上直接辐射量之比、光伏组件倾角代入辐照量计算公式中计算出一天的光伏组件表面所接收的辐照量，辐照量计算公式如（1）所示：
（1）。
Ⅵ. 累加计算每天光伏组件表面所接收的辐照量得出光伏电站组件表面所接收的月总辐照量。
优选的，所述是带有倾角和方位角的光伏组件表面上所接受的月总辐照量，所述光伏组件方位角以正南朝向为0°角，光伏组件朝向南偏东时方位角为正，南偏西时方位角为负。
进一步，数据处理端计算电站综合效率系数K 2 ，所述电站综合效率系数为常数1减去组件弱光损失、组件温度损失、组件实际功率与标称之差损失、组件不匹配损失、汇集电缆损失、逆变器损失、逆变器出口至并网点损失、系统可利用率损失这8个参数的乘积。
优选的，所述组件弱光损失是光伏组件在弱光条件下光电转换效率的降低带来发电量的损失，所述弱光条件为辐照度低于1000W/m2的光照条件，所述光电转化效率是获取各辐照段光伏组件光电转化效率的加权均值。
优选的，所述组件温度损失为光伏组件工作温度与标准温度25℃比，每升高1℃，太阳能电池峰值功率损失0.41%。
优选的，所述组件实际功率与标称之差为正公差，实际功率约比标称功率高1.5%。
优选的，所述组件不匹配损失计算的方法为在标准测试条件下测试光伏组件抽检样本的输出电流，选取检测结果中最小输出电流作为实际输出电流，将组串标称电流与所述实际输出电流做差值，将所述差值与组串标称电流比较得到组件不匹配损失率，所述标准测试条件为大气质量AM1.5、辐照度1000W/m2、电池温度25℃。
优选的，所述汇集电缆损失为逆变器直流线缆损失，每百米损失为0.0367%。
优选的，根据电站所在地区的太阳辐照强度分布情况，按照加权求和的方法计算逆变器实际效率，求得逆变器损失为1.5%。
优选的，所述逆变器出口至并网点损失包含交流线缆损失和升压变压器损失，所述交流线缆损失取经验值0.5%，所述升压变压器损失取经验值2%。
优选的，所述系统可利用率损失为1%。
进一步，数据处理端根据上述所求的组件表面所接收的月总辐照量，电站综合效率系数，将其代入电站发电量预测公式，如公式（2）所示，计算光伏电站预测发电量结果，
（2）。
优选的，公式（2）中E S 为标准条件下的辐照度，取常数1 kW/m2，P AZ 为分布式光伏电站的装机容量，由电站设计规划时确定。
进一步，数据处理端通过累加电站12个月预测发电量结果E p2 可得分布式光伏电站的年预测发电量结果。
用户可以通过数据交互端的处理器6得到想要的电站预测发电量信息。
附图说明
图1为本实用新型的基于分布式光伏电站设计的预测发电量计算系统的示意图。
图2为本实用新型的基于分布式光伏电站设计的预测发电量计算系统的数据处理端流程示意图。
图3为本实用新型的光伏电站组件表面所接收的月总辐照量H TX 计算流程示意图。
图4为本实用新型的电站综合效率系数K 2 关键影响因数关系图。
具体实施方式
以下结合附图及实施例对本实用新型做进一步描述。应当理解的是，此处所描述的实施方式仅用于说明和解释本实用新型，因此不应以此具体实施例的内容限制本实用新型的保护范围。
需要说明的是，本实用新型提到的基于分布式光伏电站设计中的设计包含两方面：一方面是光伏电站设计时所确定的光伏组件安装倾角β及组件的方位角，其影响体现在光伏电站组件表面所接收的月总辐照量H TX 上；另一方面是光伏电站设计所选择的光伏组件、线缆、逆变器的规格参数，其影响会体现在电站综合效率系数K 2 上。
实施例1：本实用新型实施例提供的一种基于分布式光伏电站设计的预测发电量计算系统，所述系统分为数据采集端、数据处理端、数据交互端；在目标电站区域设有数据采集端，数据采集端包括辐照仪1、温度传感器2、风速检测仪33以及联网的处理器4，辐照仪1、温度传感器2和风速检测仪3分别通过导线连接至处理器4，数据处理端为云端服务器5，计算分析数据；数据交互端为设置在用户处的处理器6。
数据采集端为数据处理端提供分布式光伏电站安装所在地区的水平面辐照强度以及日总辐照量H、风速和温度。
数据处理端获取电站安装所在地区的水平面水平面辐照强度以及日总辐照量H和电站所在地的纬度，获取光伏组件安装倾角β及其方位角，根据所获取的光伏组件安装倾角β及其方位角、电站安装所在地区的水平日总辐照量H以及电站所在地的纬度来计算光伏电站组件表面所接收的月总辐照量H TX 。
如图2所示，优选的，计算光伏电站组件表面所接收的月总辐照量H TX 具体实施方式如下。
步骤Ⅰ，获取电站安装的光伏组件倾角β、方位角以及电站所在纬度与其水平面上日总辐照量H。
步骤Ⅱ，由上述电站安装的光伏组件倾角β、方位角以及电站所在纬度与水平面上日总辐照量H信息计算出大气层外水平面辐照量H 0 以及电站所在地区的日出日落时角。
步骤Ⅲ，根据电站所在地区水平面上日总辐照量H和步骤Ⅱ中的大气层外水平太阳辐照量H 0 计算出水平面上直射辐照量H b 和水平面上散射辐照量H d 。
步骤Ⅳ，根据光伏组件倾角β、方位角计算出日水平面直射辐照量于日倾斜面直射辐照量之比R b 。
步骤Ⅴ，将上述步骤中的电站所在地区水平面上日总辐照量H、大气层外水平太阳辐照量H 0 、水平面上直射辐照量H b 、水平面上散射辐照量H d 、倾斜面与水平面上直接辐射量之比R b 、光伏组件倾角β代入辐照量计算公式中计算出一天的光伏组件表面所接收的辐照量H T ，辐照量计算公式如公式（1）所示：
（1）。
步骤Ⅵ， 累加计算每天光伏组件表面所接收的辐照量H T 得出光伏电站组件表面所接收的月总辐照量H TX 。
进一步的，数据处理端在计算得到光伏电站组件表面所接收的月总辐照量H TX 后，还应计算电站综合效率系数K 2 。
如图3所示：所述电站综合效率系数K 2 的关键影响因数有：组件弱光损失、组件温度损失、组件实际功率与标称之差损失、组件不匹配损失、汇集电缆损失、逆变器损失、逆变器出口至并网点损失、系统可利用率损失。其具体数值为1减上述影响因数的百分比乘积大小。
优选的，所述组件弱光损失是光伏组件在弱光条件下光电转换效率的降低带来发电量的损失，所述弱光条件为辐照度低于1000W/m2的光照条件，所述光电转化效率是获取各辐照段光伏组件光电转化效率的加权均值。
优选的，所述组件温度损失为光伏组件工作温度与标准温度25℃比，每升高1℃，太阳能电池峰值功率损失0.41%。
优选的，所述组件实际功率与标称之差为正公差，实际功率约比标称功率高1.5%。
优选的，所述组件不匹配损失计算的方法为在标准测试条件下测试光伏组件抽检样本的输出电流，选取检测结果中最小输出电流作为实际输出电流，将组串标称电流与所述实际输出电流做差值，将所述差值与组串标称电流比较得到组件不匹配损失率，所述标准测试条件为大气质量AM1.5、辐照度1000W/m2、电池温度25℃。
优选的，所述汇集电缆损失为逆变器直流线缆损失，每百米损失0.0367%。
优选的，根据电站所在地区的太阳能辐照强度分布情况，按照加权求和的方法计算逆变器实际效率，求得逆变器损失为1.5%。
优选的，所述逆变器出口至并网点损失包含交流线缆损失和升压变压器损失，所述交流线缆损失取经验值0.5%，所述升压变压器损失取经验值2%。
优选的，所述系统可利用率损失为1%。
进一步，数据处理端根据上述求得的组件表面所接收的月总辐照量H TX ，电站综合效率系数K 2 ，代入电站发电量预测公式，如公式（2），计算光伏电站预测发电量结果E p2 ，
（2）。
优选的，累加电站12个月的预测发电量结果E p2 计算得电站年发电量的预测结果。
用户可以通过数据交互端的处理器6得到想要的电站预测发电量信息。
实施例2：
如图2所示：数据处理端获取某地一分布式光伏电站所在纬度为30.77°，安装的光伏组件倾角为19°，安装组件为正南朝向数据采集端获得上述电站某一日电站水平上日总辐照量为5.8kW·h/m2；由步骤Ⅱ计算出大气层外水平面辐照量H 0 为10.47kW·h/m2、电站所在地区的日出时角为-90°、日落时角为92°；由步骤Ⅲ计算出水平面上直射辐照量H b 为3.89kW·h/m2、散射辐照量H d 为1.89kW·h/m2；由步骤Ⅳ计算得出日水平面直射辐照量于日倾斜面直射辐照量之比R b 为0.9968；由步骤Ⅴ将上述步骤中所得的电站所在地区水平面上日总辐照量H、大气层外水平太阳辐照量H 0 、水平面上直射辐照量H b 、水平面上散射辐照量H d 、倾斜面与水平面上直接辐射量之比R b 、光伏组件倾角β代入公式（1）中，计算得出所述当天光伏组件表面所接收的辐照量H T 的大小为5.75kW·h/m2，
（1）。
重复上述步骤计算得出所述电站一个月中光伏组件表面每天所接收的辐照量H T 的大小，对每天的辐照量H T 进行累加计算得到所述电站组件表面所接收的月总辐照量H TX 大小为149.46kW·h/m2。
数据处理端计算电站综合效率系数K 2 ，如图3所示：所述电站综合效率系数K 2 的关键影响因数有：组件弱光损失、组件温度损失、组件实际功率与标称之差损失、组件不匹配损失、汇集电缆损失、逆变器损失、逆变器出口至并网点损失、系统可利用率损失。
进一步，所述组件弱光损失是光伏组件在弱光条件下光电转换效率的降低带来发电量的损失，分析所述电站该月各辐照段组件光电转化效率取加权均值得组件弱光损失为3.85%；该月组件工作的平均温度为42.89℃，因此求得组件温度损失为7.33%；所述组件实际功率与标称之差为正公差，实际功率约比标称功率高1.5%；所述组件不匹配损失0.51%；所述电站逆变器直流线缆长度为600m，求得汇集电缆损失损失为0.22%；根据电站所在地区的太阳能辐照强度分布情况，按照加权求和的方法计算逆变器实际效率，求得逆变器损失为1.5%；所述交流线缆损失取经验值0.5%，所述升压变压器损失取经验值2%；所述系统可利用率损失为1%;由上述8个损失求得K 2 值大小为0.871。
数据处理端获得所述分布式光伏电站装机容量P AZ 为857kWp，取E S 为1 kW/m2。
进一步，数据处理端根据所求的组件表面所接收的月总辐照量H TX ，电站综合效率系数K 2 ，代入电站发电量预测公式，如公式（2）所示，得所述分布式光伏电站该月份预测发电量E p2 结果为111563.97kW·h，
（2）。
用户可以通过数据交互端的处理器6得到想要的电站预测发电量信息。
以上所述实施例仅表达了本实用新型的实施方式，其描述较为具体和详细，但不能因此而理解为对本实用新型专利范围的限制。由于本实用新型的范围由所附权利要求书定义，而非由说明书定义，因此落入权利要求的边界和界限内的所有变化，或这种权利要求边界和界限的等同方法都被本文权利要求包含。
Claims (1)
1.一种基于分布式光伏电站设计的预测发电量计算系统，其特征在于，系统分为数据采集端、数据处理端、数据交互端；在目标电站区域设有数据采集端，数据采集端包括辐照仪（1）、温度传感器（2）、风速检测仪（3）以及联网的处理器（4），辐照仪（1）、温度传感器（2）和风速检测仪（3）分别通过导线连接至处理器（4），数据处理端为云端服务器（5），计算分析数据；数据交互端为设置在用户处的处理器（4）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201820866721.4U CN208335256U (zh) | 2018-06-06 | 2018-06-06 | 一种基于分布式光伏电站设计的预测发电量计算系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201820866721.4U CN208335256U (zh) | 2018-06-06 | 2018-06-06 | 一种基于分布式光伏电站设计的预测发电量计算系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN208335256U true CN208335256U (zh) | 2019-01-04 |
Family
ID=64773042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201820866721.4U Expired - Fee Related CN208335256U (zh) | 2018-06-06 | 2018-06-06 | 一种基于分布式光伏电站设计的预测发电量计算系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN208335256U (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446811A (zh) * | 2018-06-06 | 2018-08-24 | 中国计量大学 | 一种基于分布式光伏电站设计的预测发电量计算方法 |
| CN111723962A (zh) * | 2019-03-22 | 2020-09-29 | 北京汉能光伏技术有限公司 | 一种发电量预测系统及方法 |
| CN112507561A (zh) * | 2020-12-15 | 2021-03-16 | 国网湖南省电力有限公司 | 基于云计算的集中式光功率预测方法及系统 |
| CN112865703A (zh) * | 2021-01-25 | 2021-05-28 | 杭州易达光电有限公司 | 一种光伏电站的数据采集处理系统 |
| CN113377133A (zh) * | 2021-07-21 | 2021-09-10 | 浙江联盛合众新能源有限公司 | 一种光伏发电支架系统及控制方法 |
| CN116307915A (zh) * | 2023-03-28 | 2023-06-23 | 青海德坤电力集团有限公司 | 一种基于云端技术的远程光伏发电运维管控系统 |
| CN117353655A (zh) * | 2023-12-06 | 2024-01-05 | 道莅智远科技(青岛)有限公司 | 基于rtk技术的海上漂浮式光伏智能监控系统 |
-
2018
- 2018-06-06 CN CN201820866721.4U patent/CN208335256U/zh not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446811A (zh) * | 2018-06-06 | 2018-08-24 | 中国计量大学 | 一种基于分布式光伏电站设计的预测发电量计算方法 |
| CN111723962A (zh) * | 2019-03-22 | 2020-09-29 | 北京汉能光伏技术有限公司 | 一种发电量预测系统及方法 |
| CN112507561A (zh) * | 2020-12-15 | 2021-03-16 | 国网湖南省电力有限公司 | 基于云计算的集中式光功率预测方法及系统 |
| CN112865703A (zh) * | 2021-01-25 | 2021-05-28 | 杭州易达光电有限公司 | 一种光伏电站的数据采集处理系统 |
| CN113377133A (zh) * | 2021-07-21 | 2021-09-10 | 浙江联盛合众新能源有限公司 | 一种光伏发电支架系统及控制方法 |
| CN116307915A (zh) * | 2023-03-28 | 2023-06-23 | 青海德坤电力集团有限公司 | 一种基于云端技术的远程光伏发电运维管控系统 |
| CN116307915B (zh) * | 2023-03-28 | 2024-04-02 | 青海德坤电力集团有限公司 | 一种基于云端技术的远程光伏发电运维管控系统 |
| CN117353655A (zh) * | 2023-12-06 | 2024-01-05 | 道莅智远科技(青岛)有限公司 | 基于rtk技术的海上漂浮式光伏智能监控系统 |
| CN117353655B (zh) * | 2023-12-06 | 2024-03-05 | 道莅智远科技(青岛)有限公司 | 基于rtk技术的海上漂浮式光伏智能监控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN208335256U (zh) | 一种基于分布式光伏电站设计的预测发电量计算系统 | |
| CN108446811A (zh) | 一种基于分布式光伏电站设计的预测发电量计算方法 | |
| Kudo et al. | Forecasting electric power generation in a photovoltaic power system for an energy network | |
| Dolara et al. | Performance analysis of a single-axis tracking PV system | |
| CN104318314B (zh) | 一种基于光伏发电效率的发电量预测方法 | |
| CN105335560B (zh) | 光伏发电功率波动性及其自动发电控制备用需求计算方法 | |
| Moslehi et al. | Evaluation of data-driven models for predicting solar photovoltaics power output | |
| Iyengar et al. | A cloud-based black-box solar predictor for smart homes | |
| CN109884896A (zh) | 一种基于相似日辐照预测的光伏跟踪系统优化跟踪方法 | |
| CN105337574A (zh) | 基于稳健回归的分布式光伏发电窃电识别方法 | |
| Bersani et al. | Management of low voltage grids with high penetration of distributed generation: concepts, implementations and experiments | |
| Mohan et al. | Solar energy disaggregation using whole-house consumption signals | |
| Arévalo et al. | Smart monitoring method for photovoltaic systems and failure control based on power smoothing techniques | |
| Iyengar et al. | SolarCast: a cloud-based black box solar predictor for smart homes | |
| Hummon et al. | Variability of photovoltaic power in the state of Gujarat using high resolution solar data | |
| Poti et al. | Intelligent solar photovoltaic power forecasting | |
| Gökmen et al. | A simple PV inverter power factor control method based on solar irradiance variation | |
| Alba et al. | Statistical validation and power modelling of hourly profiles for a large-scale photovoltaic plant portfolio | |
| Aldeman et al. | Reduction of solar photovoltaic system output variability with geographical aggregation | |
| Zhang et al. | Solar photovoltaic power prediction based on similar day approach | |
| CN111539846A (zh) | 基于天气类型细分的光伏功率预测方法 | |
| Petreuş et al. | Evaluation of the PV energy production determined by measurements, simulation and analytical calculations | |
| Fen et al. | A Novel Model for Daily Energy Production Estimation of Grid-Connected Photovoltaic System | |
| Primorac et al. | Microgrid energy management system in a public building | |
| Fattori et al. | Review on the stochastic nature of photovoltaic generation and its impact on the energy systems: Why it matters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190104 Termination date: 20200606 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |