气象要素对太阳能电池板温度的影响

温度升高会引起光伏电池发电效率下降,电池板温度是确定温度折减系数的必要条件,目前我国尚没有充足的外场实测电池板温度数据。该文基于北京南郊太阳能试验站2010年全年逐时电池板温度、气温、地表温度、斜面和水平辐照度实测数据,分析了电池板温度随时间的变化及其与各气象要素的关系。结果表明:电池板温度与气温和斜面辐照度的综合相关或与地表温度的线性相关最好,但实测数据不易获得;电池板温度与气温的线性相关较好,数据较易获得且质量有保证,从现实可行性考虑,是推算电池板温度最实用的相关方程;电池板温度与气温和水平辐照度的综合相关可以作为辅助方程,用于推算气温较高情况下的电池板温度。基于2010年电池板温度实测数据和加权计算的方法,得到北京地区年平均光伏发电温度折减系数约为2%,最高可达到13.3%。

基于延迟回声状态网的光伏电池板温度预测方法

光伏电池温度变化影响光伏系统输出的稳定性,精准地预测光伏电池板温度的变化趋势,对光伏系统智能运行具有重要意义.为了更好地预测温度的变化趋势,本文考虑了光伏电池板温度的迟滞效应,将先前的温度输出作为延迟项引入回声状态网中,提出了一种基于延迟回声状态网的光伏电池板温度预测模型.给出一个延迟回声状态网具有回声状态特性的判定条件,使得预测模型能够稳定地预测光伏电池板温度.同时,建立了一套光伏多传感器监测系统,利用该监测系统采集的数据,训练和验证模型的准确性.与回声状态网(Echo state network,ESN),Leaky ESN(Leaky-integrator ESN)和VML ESN(ESN with variable memory length)相比,仿真结果表明,本文所提出的延迟回声状态网具有更好的预测性能,平均绝对百分比误差甚至达到3.45%.

光伏太阳能电池板自然通风冷却的数值模拟

为了解光伏太阳能电池板在有无肋片下的自然冷却过程中的散热情况,对其进行了数值模拟研究,着重分析了肋片及其与风道的组合结构对背板散热的强化效果。研究结果表明,在室外温度、环境风速和电池板发热量均相同的前提下,在背板处设置肋片和肋片与风道组合结构均能够有效改善散热效果,同时,仅在背板处设置肋片时的散热效果最好。

基于BP神经网络的光伏发电预测模型设计

结合历史发电量和气象数据分析了影响光伏系统发电功率的各项因素,针对传统光伏发电预测模型预测精度不高的问题,加入了电池板温度信息作为光伏发电预测模型的输入参考量;针对传统BP神经网络易陷入局部极值的缺陷,提出了基于改进学习率和权值的弹性自适应规则的BP神经网络。采用光伏监控系统历史发电量和气象数据建立了弹性自适应BP神经网络预测模型,对训练好的模型进行了测试和评估。预测结果表明,该预测方法较好地解决了传统BP算法易陷入局部极值的问题,提高了系统预测结果精度。