光伏陣列輸出特性曲線實時獲取方法與流程

2024-03-22 19:21:05

本發明涉及光伏發電系統中光伏陣列遭遇局部陰影時的輻照度測量技術、陰影檢測技術以及光伏陣列輸出特性曲線實時獲取技術，屬於光伏發電系統運行條件檢測領域。

背景技術：

隨著傳統能源的枯竭與大眾環保意識的提高，無汙染、分布廣且易獲取的太陽能日益受到重視。太陽能光伏發電是對太陽能有效利用的主要形式，並成為了繼風力發電之後主要的新能源發電方式。近年來光伏組件價格的降低以及政府補貼政策的出臺，光伏發電裝機容量飛速增長，其中包括大容量的荒漠光伏電站、分散式的中小容量建築光伏系統。

光伏陣列通常由大量光伏電池以一定的串並聯結構組成，以此獲取所需的光伏輸出電壓和功率。為防止出現熱斑現象與支路電能倒送現象，光伏陣列還裝設有旁路二極體與防逆二極體。採用集中輸出控制的光伏陣列受均勻光照時，光伏陣列的輸出功率-電壓(p-u)特性曲線呈單峰狀，傳統最大功率點跟蹤(mppt)方法可以很容易跟蹤到最大功率點(mpp)；但當陣列受局部遮蔭時，局部陰影不僅會削弱光伏陣列潛在的最大功率輸出能力，二極體的存在還會導致光伏陣列輸出特性複雜化、多峰化，給mppt控制、重構優化、發電功率預測等帶來很大困難。

局部陰影條件下，光伏陣列中各個光伏電池所接收到的太陽光輻照度可能存在差異。考慮到局部陰影的千變萬化，理論上可以通過密集布置輻射傳感器的方法，實現對光伏陣列中各個位置輻照度的測量。但大量的傳感器意味著建設成本高和系統複雜化，無法實現廣泛應用。若對局部陰影形狀準確度測量要求越高，傳感器的數量將成倍增加。

技術實現要素：

本發明要克服現有技術在局部遮蔭條件下光伏陣列輸出特性曲線實時獲取困難的問題，利用輻射傳感器與遮蔭組件識別算法獲取光伏陣列上的輻照度數據與陰影分布信息，並結合光伏組件參數、陣列結構，利用計算機仿真繪製局部遮蔭時光伏陣列的輸出特性曲線。本發明所需的傳感器數量非常少，但是可以快速、準確地繪製局部陰影條件下光伏陣列的輸出特性曲線。

一種光伏陣列輸出特性曲線實時獲取方法，其特徵在於具體實現該方法的步驟如下：

步驟1：綜合考慮傳感器個數以及輻照度檢測效率，確定光伏陣列中輻射傳感器的安裝位置；具體實現方法如下：

步驟11：對於共有n塊光伏組件的光伏發電系統，根據陣列規模，設計m種定點安裝輻射傳感器的方案，分別記為方案1、方案2、….、方案m，且記方案j(j＝1,2,…,m)中傳感器的使用個數為aj；

步驟12：通過排列組合，構造i(i＝1,2,…,n)塊光伏組件受遮蔭時光伏陣列所有可能的陰影分布類型，記錄陰影分布類型數yi，並計算陰影分布類型總數y＝σyi；

步驟13：採用步驟11中的方案j時，光伏陣列遍歷步驟12中總數為y的陰影分布類型，統計光照區與陰影區的輻照度能同時被檢測到的陰影類型數xj；

步驟14：計算步驟11中方案j的適用率ξj＝xj/y；

步驟15：綜合考慮傳感器個數，定義方案j的輻照度檢測效率ρj＝ξj/aj，選取最大輻照度檢測效率max(ρj)對應的方案作為最優方案；

步驟16：按照步驟15選取的最優方案在光伏陣列中布置輻射傳感器；

步驟2：構建光伏陣列輸出特性曲線實時獲取系統框架；所述的光伏陣列輸出特性曲線實時獲取系統框架包括檢測光伏陣列接收入射光強度的輻射傳感器(1)、採集光伏陣列運行圖像的攝像頭(2)、傳輸光伏陣列圖像與輻照度數據的通信網絡(3)、實現a/d轉換與遮蔭組件識別並繪製光伏陣列輸出特性曲線的光伏發電系統控制中心(4)、光伏陣列(5)，其中輻射傳感器(1)、攝像頭(2)的輸出端與通信網絡(3)的輸入端連接，通信網絡(3)的輸出端與光伏發電系統控制中心(4)的輸入端相連；攝像頭(2)安裝在光伏陣列(5)的正前方；輻射傳感器(1)按照步驟15所述的輻照度檢測效率最高的最優方案來布置；光伏陣列(5)採取包括串-並聯結構(sp)、橋型結構(bl)、全連接結構(tct)在內的所有結構；

步驟3：利用輻射傳感器檢測光伏陣列中光照區與陰影區的輻照度數據並標記測量時刻，與此同時，利用攝像頭同步採集光伏陣列運行圖像，將輻照度數據與光伏陣列圖像通過通信網絡傳送到光伏發電系統控制中心；

步驟4：針對淺色地面與深色光伏板之間的灰度值以及正常光照與遮蔭狀態下組件的灰度值均存在差別這一特徵，提出光伏陣列受局部遮蔭時的遮蔭組件識別算法，識別光伏陣列圖像中的遮蔭組件；遮蔭組件識別算法具體實現方法如下：

步驟41：對光伏陣列圖像進行預處理；

步驟411：將圖像大小為n1×n2的光伏陣列圖像轉換為陣列灰度圖f(x,y)，其中(x,y)為圖像中各像素點的坐標，f(x,y)表示點(x,y)的灰度值；

步驟412：採用迭代法求取閾值k，將灰度值小於等於k的像素點設置為黑，灰度值大於k的像素點設置為白，即將k作為閾值對灰度圖f(x,y)進行二值化，得二值圖像；

步驟413：去除地面磚塊之間的黑色柵線與光伏組件上的白色柵線：設置檢測寬度w，逐行遍歷步驟412所得的二值圖像中橫坐標從1+w到n2-w、縱坐標從1到n1範圍內所有的像素點(x,y)，若點(x,y)為黑且點(x-w,y)與點(x+w,y)均為白，則認為點(x,y)是黑色柵線點，並將y行中橫坐標從x-w到x+w的點設置為白，否則判斷下一個像素點，根據同一原理，逐行去除白色柵線點後，再逐列去除圖像中的黑、白柵線點；

步驟414：使用中值濾波器過濾去柵線後光伏陣列圖像中較多的點狀噪聲；

步驟42：識別光伏陣列圖像中的光伏組件；

步驟421：採用高斯拉普拉斯(log)算子檢測經過步驟414濾波後的光伏陣列圖像中灰度值劇烈變化的邊界，產生了n+a+b個亮對象；

步驟422：去除n+a+b個亮對象中由地面石子及陰影產生的a個小連通亮對象；

步驟423：去除經過步驟422處理後剩餘的n+b個亮對象中b個非封閉的亮對象：對含有n+b個亮對象的圖像使用元素0標記非亮對象區域，元素i(i＝1,2,…,n+b)標記各個亮對象，測量並記錄使用元素i標記的亮對象的質心位置zi與周長ci，計算zi在上下左右四個方向與最近亮對象之間的距離，四個距離分別記為ai、bi、ci、di，計算li＝ai+bi、wi＝ci+di並計算c0i＝2×(li+wi)，判斷ci/c0i是否大於0.5且小於1.5，若是則保留該亮對象，若不是則去除該亮對象；

步驟424：對n個亮對象的封閉區域填充白，之外的其他區域填充黑，得組件區域圖像i(x,y)，其中白色區域表示組件區域，黑色區域表示背景區域；

步驟43：識別光伏組件中受遮蔭的組件；

步驟431：將步驟424所得組件區域圖像i(x,y)中的黑色區域記為區域p，並將步驟411所得陣列灰度圖f(x,y)中區域p內所有像素點設置為白；

步驟432：使用元素k(k＝1,2,…,n)標記各個組件，計算第k個組件的灰度均值mk，將mk作為新的灰度值填充對應的第k個組件區域，得灰度填充圖像；

步驟433：計算步驟432的灰度填充圖像中n個組件區域的灰度均值m，將m作為閾值對灰度填充圖像進行圖像分割；

步驟434：採用高斯拉普拉斯算子檢測經過步驟433圖像分割後的光伏陣列圖像中灰度值劇烈變化的邊界，並產生了c個亮對象；

步驟435：對c個亮對象的封閉區域填充白，之外的其他區域填充黑，得遮蔭組件區域圖像g(x,y)，其中白色區域表示遮蔭組件區域，黑色區域包括背景區域與受正常光照的組件區域；

步驟5：根據光伏陣列光照區與陰影區的輻照度數據與識別的遮蔭組件，結合光伏陣列結構，分析光伏陣列各個組件上的輻照度；

步驟6：結合組件輻照度、光伏組件參數以及光伏陣列結構，利用計算機仿真快速繪製該時刻光伏陣列的輸出特性曲線。

本發明的優點是：無需測量各組件或各支路的電流與電壓，只需採集少量的輻照度數據與陣列圖像，通過簡單的遮蔭組件識別算法即可繪製光伏陣列的輸出特性曲線，不僅有助於降低最大功率點跟蹤(mppt)方法的算法要求，提高mppt跟蹤準確度，而且可以為光伏陣列重構優化提供必要的全局信息，實現光伏發電系統的高效運行。

附圖說明

圖1是本發明的備選傳感器布置方案示意圖，其中·表示輻射傳感器(1)；點線封閉區域表示光伏陣列(5)；圖1a是方案1對角布置的示意圖；圖1b是方案2三角布置的示意圖；圖1c是方案3四角布置的示意圖；圖1d是方案4四邊加中心布置的示意圖；圖1e是方案5六點布置的示意圖。

圖2是本發明的光伏陣列系統框架圖；其中·表示輻射傳感器(1)；△表示攝像頭(2)；┄表示通信網絡(3)；□表示光伏發電系統控制中心(4)；點線封閉區域表示光伏陣列(5)。

圖3是本發明的遮蔭組件識別算法流程圖。

圖4是實施案例遮蔭組件識別過程的示意圖，其中圖4a是實施例的光伏陣列灰度圖；圖4b是組件區域識別結果；圖4c是遮蔭組件區域識別結果。

圖5是圖像採集時刻光伏陣列輸出特性曲線，其中圖5a是i-u特性曲線；圖5b是p-u特性曲線。

具體實施方式

下面結合實施例及附圖，對本發明作進一步的詳細說明，但本發明的實施方式不限於此。實施例採用規模為3×3的光伏發電系統。

步驟一：確定光伏陣列中輻射傳感器的安裝位置；

a)對於共有9塊光伏組件的光伏發電系統，備選的傳感器布置方案共5種：對角布置、三角布置、四角布置、四邊加中心布置、六點布置，5種方案分別記為方案1、方案2、方案3、方案4、方案5，傳感器布置方案示意圖如圖1所示，且a1＝2，a2＝3，a3＝4，a4＝5，a5＝6；

b)當1塊光伏組件受遮蔭時，排列組合後得此時陣列所有可能的陰影分布類型遮蔭2塊光伏組件時遮蔭3塊光伏組件時遮蔭4塊光伏組件時遮蔭5塊光伏組件時遮蔭6塊光伏組件時遮蔭7塊光伏組件時遮蔭8塊光伏組件時遮蔭9塊光伏組件時計算陰影分布類型總數y＝511；

c)採用步驟a)中的方案1時，光伏陣列遍歷步驟b)中總數為511的陰影分布類型，統計光照區與陰影區的輻照度能同時被檢測到的陰影類型數x1＝145，採用方案2時x2＝385，採用方案3時x3＝449，採用方案4時x4＝481，採用方案5時x5＝497；

d)計算方案1的適用率ξ1＝x1/y＝0.2838，方案2的適用率ξ2＝x2/y＝0.7534，方案3的適用率ξ3＝x3/y＝0.8787，方案4的適用率ξ4＝x4/y＝0.9413，方案5的適用率ξ5＝x5/y＝0.9726；

e)綜合考慮傳感器個數後，計算方案1的輻照度檢測效率ρ1＝ξ1/a1＝0.1419，方案2中ρ2＝ξ2/a2＝0.2511，方案3中ρ3＝ξ3/a3＝0.2197，方案4中ρ4＝ξ4/a4＝0.1883，方案5中ρ5＝ξ5/a5＝0.1621，選取最大輻照度檢測效率max(ρj)對應的方案2作為最優方案；

f)按照步驟e)選取的最優方案在光伏陣列中布置輻射傳感器；

步驟二：構建光伏陣列輸出特性曲線實時獲取系統框架；實施例使用的光伏陣列輸出特性曲線快速實時獲取系統框架如圖2所示，包括檢測光伏陣列接收入射光強度的輻射傳感器(1)、採集光伏陣列運行圖像的攝像頭(2)、傳輸光伏陣列圖像與輻照度數據的通信網絡(3)、實現a/d轉換與遮蔭組件識別並繪製光伏陣列輸出特性曲線的光伏發電系統控制中心(4)、光伏陣列(5)，其中輻射傳感器(1)、攝像頭(2)的輸出端與通信網絡(3)的輸入端連接，通信網絡(3)的輸出端與光伏發電系統控制中心(4)的輸入端相連，且輻射傳感器(1)按照步驟一中輻照度檢測效率最高的最優方案來布置，攝像頭(2)安裝在光伏陣列(5)的正前方，光伏陣列(5)包括3×3塊光伏組件，每一塊光伏組件並聯一個旁路二極體，每3塊光伏組件串聯成串後，再串上一個防逆二極體，最後將3串組件串並聯，形成sp連接結構；

步驟三：利用輻射傳感器檢測光伏陣列光照區與陰影區的輻照度數據並標記測量時刻，與此同時，利用攝像頭同步採集光伏陣列運行圖像，將輻照度數據與光伏陣列圖像通過通信網絡傳送到光伏發電系統控制中心，本實施例中局部陰影處輻照度較均勻，輻射傳感器測得光照處與陰影處的輻照度分別為1037w/m2和240w/m2；

步驟四：受局部遮蔭的光伏組件圖像中，淺色地面與深色光伏板之間的灰度值以及正常光照與遮蔭狀態下組件的灰度值均存在差別，根據這一特徵，提出了流程圖如圖3所示的適用於光伏陣列的遮蔭組件識別算法，算法步驟如下：

步驟1：由於攝像頭本身的固有特性以及圖片拍攝時無法避免的環境幹擾，首先對光伏陣列圖像進行預處理：

a)將圖像大小為685×514的光伏陣列圖像轉換成如圖4a所示的陣列灰度圖；

b)採用迭代法求得閾值k為112，將灰度值小於等於112的像素點設置為黑，灰度值大於112的像素點設置為白，即將112作為閾值對圖4a所示的灰度圖進行二值化，得二值圖像；

c)去除地面磚塊之間的黑色柵線與光伏組件上的白色柵線：設置檢測寬度w＝3，逐行遍歷步驟b)所得的二值圖像中橫坐標從4到511、縱坐標從1到685範圍內所有的像素點(x,y)，若點(x,y)為黑且點(x-3,y)與點(x+3,y)均為白，則認為點(x,y)是黑色柵線點，並將y行中橫坐標從x-3到x+3的點設置為白，否則判斷下一個像素點，根據同一原理，逐行去除白色柵線點後，再逐列去除圖像中的黑、白柵線點；

d)使用中值濾波器過濾去柵線後光伏陣列圖像中較多的點狀噪聲；

步驟2：識別光伏陣列圖像中的光伏組件：

a)採用高斯拉普拉斯(log)算子檢測經過步驟1預處理後的光伏陣列圖像中灰度值劇烈變化的邊界，並產生了98個亮對象；

b)去除98個亮對象中由地面石子及陰影產生的88個小連通亮對象；

c)去除經過步驟b)處理後剩餘的10個亮對象中1個非封閉的亮對象：對含有10個亮對象的圖像使用元素0標記非亮對象區域，元素i(i＝1,2,…,10)標記各個亮對象，測量並記錄使用元素i標記的亮對象的質心位置zi與周長ci，計算zi在上下左右四個方向與最近亮對象之間的距離，四個距離分別記為ai、bi、ci、di，計算li＝ai+bi、wi＝ci+di並計算c0i＝2×(li+wi)，判斷ci/c0i是否大於0.5且小於1.5，若是則保留該亮對象，若不是則去除該亮對象；

d)對9個亮對象的封閉區域填充白，之外的其他區域填充黑，得如圖4b所示的組件區域識別結果，其中白色區域表示組件區域，黑色區域表示背景區域；

步驟3：識別光伏組件中受遮蔭的組件：

a)將圖4b中的黑色區域記為區域p，並將圖4a中區域p內所有像素點設置為白；

b)使用元素k(k＝1,2,…9)標記9個組件，計算第k個組件的灰度均值mk，將mk作為新的灰度值填充對應的第k個組件區域，得灰度填充圖像；

c)計算步驟b)的灰度填充圖像中9個組件區域的灰度均值m＝52，將灰度值52作為閾值對灰度填充圖像進行圖像分割；

d)採用高斯拉普拉斯算子檢測經過步驟c)圖像分割後的光伏陣列圖像中灰度值劇烈變化的邊界，並產生了3個亮對象；

e)對3個亮對象的封閉區域填充白，之外的其他區域填充黑，得如圖4c所示的遮蔭組件識別結果，其中白色區域表示遮蔭組件區域，黑色區域包括背景區域與受正常光照的組件區域；

對比圖4a與圖4c可見，利用本發明的遮蔭組件識別算法可以獲得較好的識別效果；

步驟五：根據步驟三獲取的光伏陣列光照區與陰影區的輻照度數據與步驟四識別的遮蔭組件，結合光伏陣列結構，分析可得光伏陣列各個組件上的輻照度；

步驟六：結合組件輻照度、光伏組件參數以及光伏陣列結構，利用計算機仿真快速繪製該時刻光伏陣列的輸出特性曲線如圖5所示。

本實施例無需測量各組件或各支路的電流與電壓，只需採集少量的輻照度數據與陣列圖像，通過簡單的遮蔭組件識別算法即可繪製光伏陣列的輸出特性曲線，不僅有助於光伏發電系統最大輸出功率的跟蹤與發電量預測，而且可以為光伏陣列重構優化提供必要的全局信息，實現光伏發電系統的高效運行。