基于光伏组件的MPPT光伏功率优化方法及系统与流程
技术特征:
1.基于光伏组件的mppt光伏功率优化方法,其特征在于:包括,
2.如权利要求1所述的基于光伏组件的mppt光伏功率优化方法,其特征在于:所述输入输出信号包括电流、电压、光照强度、温度、风速信号。
3.如权利要求2所述的基于光伏组件的mppt光伏功率优化方法,其特征在于:所述输入输出信号的实时采集包括,光伏组件上的多个电流传感器、电压传感器、光照强度传感器、温度传感器以及风速传感器,各传感器分别采集环境和组件的对应数据,所述数据通过无线或有线网络传输至中央处理单元。
4.如权利要求3所述的基于光伏组件的mppt光伏功率优化方法,其特征在于:所述生成对应的功率点预测模型包括,mppt控制策略基于所述深度学习模型的预测结果,系统能够通过实时调节光伏组件的工作电压和电流,使光伏组件始终接近或达到当前环境条件下的最大功率点;所述控制策略包括步进调节、扰动观察和动态步长调整;
5.如权利要求4所述的基于光伏组件的mppt光伏功率优化方法,其特征在于:所述强化学习算法还包括,优化过程基于光伏组件的实时功率输出数据和环境参数,包括光照强度、地理位置、阴影分布因素。
6.一种采用如权利要求1~5任一所述的基于光伏组件的mppt光伏功率优化方法的系统,其特征在于:系统包括,数据采集模块、数据处理模块、中央处理单元、边缘计算模块;
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
技术总结
本发明公开了基于光伏组件的MPPT光伏功率优化方法及系统,涉及光伏功率优化技术领域,包括,收集光伏信号,并对采集的信号进行分析;基于深度学习算法,通过学习历史数据和实时环境数据,预测未来光照和温度变化趋势,并生成对应的功率点预测模型;利用边缘计算设备,在本地处理所述数据并实施控制,根据生成的MPPT控制策略实时调整光伏组件的输出功率;通过强化学习算法,对光伏组件的安装布局进行优化。本方法通过引入深度学习模型结合动态步长调整与扰动观察策略,实现了光伏系统在复杂环境下对最大功率点的精准、高效跟踪,有效提高了功率输出的稳定性和响应速度。该方法减少了功率波动和损耗,显著提升了光伏发电系统的整体能效。
技术研发人员:董宸希,周强,闫安,杨家兴,张勇,孙诣涵
受保护的技术使用者:华能阜新风力发电有限责任公司
技术研发日:
技术公布日:2024/11/14
文档序号 :
【 40002932 】
技术研发人员:董宸希,周强,闫安,杨家兴,张勇,孙诣涵
技术所有人:华能阜新风力发电有限责任公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:董宸希,周强,闫安,杨家兴,张勇,孙诣涵
技术所有人:华能阜新风力发电有限责任公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除