基于在线支持向量的辐照度软测量计的制作方法

本实用新型涉及太阳能辐照领域，尤其是太阳能辐照度的精确测量，具体涉及一种基于在线支持向量的辐照度软测量计。

背景技术：

光伏发电是利用半导体界面光生伏特效应而将光能直接转变为电能的一种技术。凭借其可再生性、清洁性及取之不尽，用之不竭等特点，太阳能光伏发电逐渐成为我国未来非化石能源和替代能源的主体。相对于光能，电能更容易被使用和储藏，并且电能可以被长距离传输。光伏系统能量转换效率一定程度上取决于接收的辐照度，所以太阳能辐照度的精确测量方法对于评估和开发光伏系统是至关重要。

但是，实际上获取太阳能辐照度数据并不容易，用于太阳能辐照度检测的设备(如日射强度计和日温计)通常很昂贵，这使得小型光伏系统，难以承担购买它们的费用。此外，安装光伏组件通常成一定方位角和倾斜角，而日射强度计测得的是水平太阳辐照度数据，因此很难直接用测得的辐照度数据控制光伏组件。近年来，出现了一些关于太阳能辐照度软测量方法的研究，比如数值法与BP神经网络。一般情况下，这些方法有较好的预测精度，但这是以拥有完备训练集为前提的，实际上在训练初期收集完备数据集并不容易，而且太阳能电池的特性会因老化而改变，传统软测量精确度难以根据特性变化而自适应。

技术实现要素：

本实用新型的目的在于克服现有技术存在的以上问题，提供一种基于在线支持向量的辐照度软测量计，本实用新型基于OL-SVR的软测量法在各种环境情况下都能保持较精准的预测效果，该方法使用光伏电池来估计太阳辐照度，使得感应系统更便宜、更简单。

为实现上述技术目的，达到上述技术效果，本实用新型通过以下技术方案实现：

一种基于在线支持向量的辐照度软测量计，包括：太阳能电池、用于测量所述太阳能电池温度的温度计、用于提供基本电阻的直流电子负载、与所述直流电子负载并联的开关、用于测量终端电流的电流计、模数转换器、微控制器，所述温度计测量所述太阳能电池的温度，将温度模拟信号传给所述模数转换器，所述模数转换器将温度模拟信号转换成温度数字信号，所述电流计测量终端的电流，将电流模拟信号传给所述模数转换器，所述模数转换器将电流模拟信号转换为电流数字信号，所述模数转换器分别将温度数字信号和电流数字信号传输至所述微控制器的SVR模型中，所述SVR模型通过所述直流电子负载的电阻R和电流数字信号I得到所述太阳能电池的电压V，所述SVR模型通过温度数字信号、所述电流计显示的终端电流、所述太阳能电池电压V预测辐照度。

本实用新型的有益效果是:

本实用新型涉及一种基于在线支持向量的辐照度软测量计，主要包括：太阳能电池、温度计、直流电子负载、开关、电流计、模数转换器、微控制器等部分，温度计测量太阳能电池的温度，将温度模拟信号传给模数转换器，模数转换器将温度模拟信号转换成温度数字信号，电流计测量终端的电流，将电流模拟信号传给模数转换器，模数转换器将电流模拟信号转换为电流数字信号，模数转换器分别将温度数字信号和电流数字信号传输至微控制器的SVR模型中，SVR模型通过所述直流电子负载的电阻R和电流数字信号I得到太阳能电池的电压V，SVR模型通过温度数字信号、电流计显示的终端电流、太阳能电池电压V预测辐照度。

本实用新型基于OL-SVR的软测量法在各种环境情况下都能保持较精准的预测效果，该方法使用光伏电池来估计太阳辐照度，使得感应系统更便宜、更简单。

上述说明仅是本实用新型技术方案的概述，为了能够更清楚了解本实用新型的技术手段，并可依照说明书的内容予以实施，以下以本实用新型的较佳实施例并配合附图详细说明如后。本实用新型的具体实施方式由以下实施例及其附图详细给出。

附图说明

为了更清楚地说明本实用新型实施例技术中的技术方案，下面将对实施例技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅仅是本实用新型的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本实用新型的测量计的原理框架图；

图2是本实用新型测试方法的原理框架图；

图3是本实用新型测试系统的时变特性测试图；

图4是两种模型的估算结果。

具体实施方式

下面将结合本实用新型实施例中的附图，对本实用新型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实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，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它实施例，都属于本实用新型保护的范围。

实施例

参照图1-2所示，本实施例中公开了一种基于在线支持向量的辐照度软测量计，其硬件结构主要有：太阳能电池、温度计、直流电子负载、开关、电流计、模数转换器、微控制器，其中，上述太阳能电池为2W的单晶硅太阳能电池，上述温度计用于测量所述太阳能电池温度，上述直流电子负载用于提供基本电阻，基本电阻是已知的，上述开关与所述直流电子负载并联，上述电流计用于测量终端电流，上述模数转换器用于将模拟信号转换为数字信号，上述微控制器中安装有软模型OL-SVR。

上述辐照度软测量计的工作原理：所述温度计测量所述太阳能电池的温度，将温度模拟信号传给所述模数转换器，所述模数转换器将温度模拟信号转换成温度数字信号，所述电流计测量终端的电流，将电流模拟信号传给所述模数转换器，所述模数转换器将电流模拟信号转换为电流数字信号，所述模数转换器分别将温度数字信号和电流数字信号传输至所述微控制器的SVR模型中，所述SVR模型通过所述直流电子负载的电阻R和电流数字信号I得到所述太阳能电池的电压V，所述SVR模型通过温度数字信号、所述电流计显示的终端电流、所述太阳能电池电压V预测辐照度。

基于上述的辐照度软测量计，公开了一种辐照度软测量方法，包括以下步骤：

S1、所述温度计获取太阳能电池温度，所述电流计获取终端电流，所述温度计和电流计分别将各自获取的模拟信号传输给所述模数转换器；

S2、所述模数转换器将模拟信号转换为数字信号，并且将数字信号传输至所述微控制器中的SVR模型中；

S3、所述SVR模型通过公式V_digital＝I_digitalR得到太阳能电池的电压，其中I_digital为电流数字信号、R为所述直流电子负载提供的基本电阻；

S4、所述SVR模型获得了太阳能电池温度、终端电流、太阳能电池电压，所述SVR模型通过计算，预测辐照度；

S5、关闭开关，短路电流加入在线学习模型中。

具体的，基于软测量的在线支持向量回归(OL-SVR)方法的使用流程，即S4中的流程包括：

S401、开始，通过SVR初始化模型f₀(x)，进入下一步；

S402、通过公式计算参数k_i，并进入下一步；

S403、通过公式v(i)＝max(∈),计算阈值v_i，并进入下一步；

S404、收集新样本，并进入下一步；

S405、通过现在的模型预测辐照度G_-predict并进入下一步；

S406、通过公式更新∈_i，并进入下一步；

S407、判断∈_i是否大于阈值v_i，如果是，则进入S408，否则进入S409；

S408、将新样本添加到训练集中，通过SVR模型重新构建模型f_i(x)，并进入S402中；

S409、不断更新模型，保持现有模型f_i(x)，并进入S402中。

在本实施例中，基于在线支持向量回归(OL-SVR)的太阳能辐照度软预测方法在任何情况下都能保证精确度，而且生产成本低廉。

为了描述时变特性，如图3中所示，来自C1到C4环境下的392个样本将被用来训练基于软模型的OL-SVR而C1到C4环境下391个样本和来自C5的200个样本被用来测试模型的精确度，如图4所示(C1:200W/m²,25℃；C2:400W/m²,25℃；C3:600W/m²,50℃；C4:800W/m²,75℃；C5:1000W/m²,25℃)。

在所提出的OL-SVR模型和标准SVR模型之间进行一次比较实验，如图3中所示，给出了两种模型的估计结果。

如图4中所示，两种模型都能估计C1，C2，C3和C4条件下的辐照度。但是，从C5条件下的估计结果可以观察到，标准SVR模型预测效果较差。图4显示提出的软预测方法能够自适应模型并达到较好的预测精度。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本实用新型。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本实用新型的精神或范围的情况下，在其它实施例中实现。因此，本实用新型将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。