本发明属于新能源领域,涉及光伏板功率测试技术,具体是一种光伏板功率测试系统。
背景技术:
1、光伏板功率测试用来测量和评估光伏板的输出功率和性能,通过软硬件结合准确测量光伏板在不同光照条件下产生的电能,并分析其效率和性能参数。光伏板功率测试对于光伏板的性能评估和优化具有重要意义,因此如何快速准确的实现光伏板功率测试是非常值得研究的课题。
2、现有技术在进行光伏板功率测试时,通过获取设定光照条件下的光伏板的测试电压和测试电流,基于测试电流和测试电压拟合出光伏板的伏安特性曲线,再根据伏安特性曲线来分析光伏板的输出功率是否正常。但是,现有技术中的测试环境并不稳定,影响测试结果的准确性;而且一般只进行设定光照条件下的功率测试,难以保证光伏板在各种光照条件下输出功率的稳定性。
3、本发明提供了一种光伏板功率测试系统,以解决上述技术问题。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种光伏板功率测试系统,用于解决现有技术无法准确测量出光伏板的输出功率及其稳定性的技术问题。
2、为实现上述目的,本发明的第一方面提供了一种光伏板功率测试系统,包括中枢控制模块,以及与之相连接的数据采集模块和终端预警模块;数据采集模块:通过与之相连接的若干类型数据传感器获取光伏板在各测试环境下的测试结果,整合成测试数据;中枢控制模块:基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线;以及,判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;终端预警模块:基于中枢控制模块生成的预警信号进行异常预警,以及显示光伏板在不同光照条件下的伏安特性曲线。
3、本发明按照光照条件的不同(光强不同)来设置不同的测试环境,通过数据传感器测得测试数据之后,通过误差补偿模型来对测试数据进行补偿,得到准确的测试数据。接着,基于测试数据生成不同光照条件下的伏安特性曲线,根据若干伏安特性曲线来判断光伏板的输出是否合格,以及稳定性是否符合要求。
4、本发明中的测试数据包括测试环境、测试电流和测试电压,测试环境包括测试温度、测试光强和大气质量;每组测试环境中的测试光强不同,测试温度和大气质量可设置在标准条件下,如测试温度为25℃,大气质量为am1.5;常见的大气质量计算公式如下:am=1/sin(θ),其中,θ为太阳高度角。
5、本发明中的中枢控制模块分别与数据采集模块和终端预警模块通信和/或电气连接;终端预警模块与智能终端通信和/或电气连接;数据采集模块与若干类型数据传感器通信和/或电气连接;其中,若干类型数据传感器包括温度传感器、湿度传感器、电流传感器和电压传感器。中枢控制模块主要进行数据分析,数据采集模块则进行数据采集,终端预警模块则对测试结果进行显示和预警。
6、优选的,所述基于误差补偿模型获取各测试环境对应的误差补偿值,包括:将测试环境中的测试温度、测试光强和大气质量整合为补偿输入序列;调用误差补偿模型,将补偿输入序列输入至误差补偿模型获取误差补偿值。
7、为了尽可能保证测试数据的准确性以及简化测试过程,本发明并没有针对所有可能的测试温度、大气质量等进行模拟,而是通过误差补偿模型来对测试数据进行补偿。本发明中不同光照条件是模拟了光伏板在实际工作过程中可能经历的光强。
8、优选的,所述误差补偿模型基于人工智能模型构建,包括:通过在模拟环境下测试获取标准训练数据;构建人工智能模型;基于标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为误差补偿模型。
9、本发明中的标准输入数据包括与补偿输入序列内容属性一致的标准输入数据,以及与误差补偿值内容属性一致的标准输出数据;即标准输入数据也包括测试温度、大气质量和测试光强,而标准输出数据则是标准输入数据对应的电流误差和电压误差。
10、本发明的人工智能模型包括bp神经网络模型或者rbf神经网路模型,利用人工智能模型强大的非线性能力来挖掘测试温度、大气质量在该测试光强下对光伏板测试电流和测试电压的影响。
11、优选的,所述判断伏安特性曲线与对应的标准特性曲线是否相似,包括:调取伏安特性曲线,以及调取与该伏安特性曲线光照条件相同的标准特性曲线;获取伏安特性曲线与标准特性曲线的曲线相似度;当所有曲线相似度均大于设定的相似度阈值时,则进行下一步;否,则生成预警信号。
12、本发明中的标准特性曲线为相同光照条件下伏安特性曲线的参考曲线,且标准特征曲线经过修正。比较伏安特性曲线与对应光照条件下的标准特性曲线,二者的变化趋势和变化幅度约接近,则曲线相似度越高;否则,判定光伏板的输出存在问题,生成预警信号。
13、优选的,所述基于不同光照条件下伏安特性曲线判断光伏板输出稳定性,包括:将不同光照条件的伏安特性曲线和对应的标准特性曲线分别标记为fai和bti;获取伏安特性曲线fai与标准特性曲线bti之间的最大值之差以及最大值对应的电压之差,分别标记为zci和yci;通过公式wpx=α×xsj×exp[-∑(β1×|zci|+β2×|yci|)]计算光伏板的稳定性评估系数wpx;当稳定性评估系数wpx大于设定的稳定性系数阈值时,则判定光伏板输出稳定;否则,判定光伏板输出不稳定。
14、本发明在判断所有光照条件下曲线相似度正常之后,还需要验证光伏板在各光照条件下输出功率的稳定性。主要是判断各光照条件下伏安特性曲线与标准特性曲线的最大值(最大输出功率)之差以及最大值对应的测试电流的差值。结合各光照条件下的曲线相似度计算稳定性评估系数,进而完成光伏板的输出稳定性分析。
15、与现有技术相比,本发明的有益效果是:
16、1.本发明判断伏安特性曲线与对应的标准特性曲线是否相似;是,则基于不同光照条件下伏安特性曲线判断光伏板输出稳定性;否,则生成预警信号;本发明先判定曲线是否正常,在判断曲线偏差是否正常,实现了光伏板性能的多方面测试。
17、2.本发明基于误差补偿模型获取各测试环境对应的误差补偿值,通过误差补偿值对测试电压和测试电流进行补偿,基于补偿后的测试电压和测试电流生成伏安特性曲线;本发明通过误差补偿能够测试数据的准确性,进而保证光伏板功率测试的准确性。
1.一种光伏板功率测试系统,包括中枢控制模块,以及与之相连接的数据采集模块和终端预警模块;其特征在于:
2.根据权利要求1所述的一种光伏板功率测试系统,其特征在于,所述基于误差补偿模型获取各测试环境对应的误差补偿值,包括:
3.根据权利要求2所述的一种光伏板功率测试系统,其特征在于,所述误差补偿模型基于人工智能模型构建,包括:
4.根据权利要求1所述的一种光伏板功率测试系统,其特征在于,所述判断伏安特性曲线与对应的标准特性曲线是否相似,包括:
5.根据权利要求4所述的一种光伏板功率测试系统,其特征在于,所述基于不同光照条件下伏安特性曲线判断光伏板输出稳定性,包括:
6.根据权利要求1所述的一种光伏板功率测试系统,其特征在于,所述中枢控制模块分别与数据采集模块和终端预警模块通信和/或电气连接;所述终端预警模块与智能终端通信和/或电气连接;