基于阴影识别算法的光伏阵列结构优化技术研究
发布时间：2021-03-07 09:11
局部遮阴使光伏阵列中的部分组件,其运行点偏离自身的最大功率点,引起失配损失。光伏阵列动态结构优化方法根据实际的阴影分布,实时改变阵列的电气连接结构,降低失配功率损失。然而目前的结构优化方法对阵列阴影的检测依赖较多测量元件,并将组件作为最小单位计算输出特性,导致重构结构并非最优。因此,针对局部遮阴的光伏阵列,设计一种简单有效的结构优化方法,是一个具有理论意义以及工程应用价值的课题。本文结合数字图像处理技术与数学建模方法,提出了一种光伏阵列最优重构方案。本文的主要内容包括以下几个方面:（1）针对光伏阴影的检测,通过分析光伏阴影图像的特征,提出了一种光伏阵列局部阴影识别方法。该方法将局部阴影的识别分为组件电池区域识别部分与遮阴电池区域识别部分,采用栅线平滑减少组件表面银白色的汇流线对图像分割时的干扰,利用改进的局部阈值分割法为每个组件电池区域选取独立的分割阈值,避免组件色差的影响,提高阴影的识别效率。（2）利用具体案例,详细说明辐照度等效对局部遮阴光伏组件及阵列输出的影响,提出了一种以光伏电池为最小单位的光伏阵列输出特性简化仿真方法。该方法根据光伏阵列实际的遮阴情况,将阵列中的光伏组件分为无...
【文章来源】：浙江工业大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
局部遮阴光伏阵列图像
-M33M31M32图3-3 3×3光伏阵列的SP结构Figure 3-3. SP connection of 3×3 PV array表 3-1 光伏组件(GHM10W)在 STC 下的参数Table 3-1. Solar module (GHM10W) data under STC参数 数值组件内部串联的电池总个数 36MPP 功率 10 WMPP 电流 0.57 AMPP 电压 17.6 V短路电流 1.67 A开路电压 21.6 V
(a) (b)(c) (d)图3-5 组件电池区域识别的部分步骤结果图: (a) R通道图; (b) 滤波图像; (c) 迭代阈值分割后的二值图像 (d) 组件电池区域边界图像Figure 3-5. Part of the resultant images for cells’ area recognition: (a) R-channel image; (b)filtering image; (c) binary image after iterative threshold segmentation; (d) boundary image ofcells’ area观察图 3-5 可知，由于无遮阴光伏阵列图像中不存在局部阴影的干扰，根据3.3.1 节中的组件电池区域识别方法，获取无遮阴光伏阵列图像中的组件电池区域边界还是比较顺利的。另一方面，对比图 3-6(b)中的阴影识别结果与图 3-4(b)中的阴影分布可知，虽然阴影的识别存在些许细微的误差，但阴影的形状基本一致，且表3-2 展示的光伏组件阴影区域量化分析结果也与图3-4(b)中各个组件的遮阴电池个数基本相同。由此可知，本章提出的光伏阵列局部阴影识别方法对光伏阵列表面不规则阴影的识别是有效的，且阴影识别结果较为准确。事实上，使用其他的图像识别方法对不规则局部遮阴光伏阵列图像进行处理，阴影识别效果不如本章节提出的阴影识别方法
【参考文献】：
期刊论文
[1]基于TCT结构及开关控制的光伏阵列重构[J]. 夏永洪,李梦茹,曾繁鹏,刘坤,余运俊. 太阳能学报. 2018(10)
[2]光伏热斑图像有效区域分割算法研究[J]. 毛峡,石天朋. 太阳能学报. 2018(05)
[3]局部阴影下光伏阵列结构优化[J]. 李志刚,田盛. 太阳能学报. 2016(12)
[4]AMPSO闭环控制及在光伏多峰MPPT中的应用[J]. 贺昱曜,王宽,陈金平. 太阳能学报. 2016(01)
[5]基于在线自调整神经网络的最大功率跟踪方法研究[J]. 韩丽,尚仪,史丽萍. 太阳能学报. 2015(08)
[6]LBP和HOG的分层特征融合的人脸识别[J]. 万源,李欢欢,吴克风,童恒庆. 计算机辅助设计与图形学学报. 2015(04)
[7]基于双闭环控制的光伏发电用Cuk逆变器研究[J]. 岳舟. 高技术通讯. 2015 (04)
[8]基于改进PSO的复杂环境下光伏MPPT控制[J]. 丁爱华,卢子广,卢泉,宫萍萍. 太阳能学报. 2015(02)
[9]基于改进ORB特征的多姿态人脸识别[J]. 周凯汀,郑力新. 计算机辅助设计与图形学学报. 2015(02)
[10]地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型[J]. 陈志宝,丁杰,周海,程序,朱想. 中国电机工程学报. 2015(03)
博士论文
[1]光伏阵列故障状态的识别研究[D]. 王培珍.合肥工业大学 2005
硕士论文
[1]图像区域分割算法的研究与应用[D]. 党文静.安徽理工大学 2018
[2]PVC板楔形槽缺陷面积的红外热波定量检测[D]. 朱争光.南昌航空大学 2018
[3]基于改进聚类算法的光伏组件图像识别技术[D]. 张铎.浙江大学 2018
[4]含光伏出力的配电网动态重构与检修优化研究[D]. 桂灿芝.浙江大学 2017
[5]基于图像处理的光伏极板自动跟踪系统设计[D]. 纪笑晗.沈阳农业大学 2016
[6]改进MPPT功能型三相光伏并网系统研究[D]. 陈海斌.华中科技大学 2016
[7]基于遥感图像的屋顶面积识别及屋顶光伏容量估计[D]. 徐福圆.杭州电子科技大学 2016
[8]基于神经网络预测模型的光伏发电系统MPPT研究[D]. 黄鹏.华北电力大学 2016
[9]太阳能光伏阵列故障检测及仿真分析[D]. 唐佳能.华北电力大学 2012
本文编号：3068796
【文章来源】：浙江工业大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
局部遮阴光伏阵列图像
-M33M31M32图3-3 3×3光伏阵列的SP结构Figure 3-3. SP connection of 3×3 PV array表 3-1 光伏组件(GHM10W)在 STC 下的参数Table 3-1. Solar module (GHM10W) data under STC参数 数值组件内部串联的电池总个数 36MPP 功率 10 WMPP 电流 0.57 AMPP 电压 17.6 V短路电流 1.67 A开路电压 21.6 V
(a) (b)(c) (d)图3-5 组件电池区域识别的部分步骤结果图: (a) R通道图; (b) 滤波图像; (c) 迭代阈值分割后的二值图像 (d) 组件电池区域边界图像Figure 3-5. Part of the resultant images for cells’ area recognition: (a) R-channel image; (b)filtering image; (c) binary image after iterative threshold segmentation; (d) boundary image ofcells’ area观察图 3-5 可知，由于无遮阴光伏阵列图像中不存在局部阴影的干扰，根据3.3.1 节中的组件电池区域识别方法，获取无遮阴光伏阵列图像中的组件电池区域边界还是比较顺利的。另一方面，对比图 3-6(b)中的阴影识别结果与图 3-4(b)中的阴影分布可知，虽然阴影的识别存在些许细微的误差，但阴影的形状基本一致，且表3-2 展示的光伏组件阴影区域量化分析结果也与图3-4(b)中各个组件的遮阴电池个数基本相同。由此可知，本章提出的光伏阵列局部阴影识别方法对光伏阵列表面不规则阴影的识别是有效的，且阴影识别结果较为准确。事实上，使用其他的图像识别方法对不规则局部遮阴光伏阵列图像进行处理，阴影识别效果不如本章节提出的阴影识别方法
【参考文献】：
期刊论文
[1]基于TCT结构及开关控制的光伏阵列重构[J]. 夏永洪,李梦茹,曾繁鹏,刘坤,余运俊. 太阳能学报. 2018(10)
[2]光伏热斑图像有效区域分割算法研究[J]. 毛峡,石天朋. 太阳能学报. 2018(05)
[3]局部阴影下光伏阵列结构优化[J]. 李志刚,田盛. 太阳能学报. 2016(12)
[4]AMPSO闭环控制及在光伏多峰MPPT中的应用[J]. 贺昱曜,王宽,陈金平. 太阳能学报. 2016(01)
[5]基于在线自调整神经网络的最大功率跟踪方法研究[J]. 韩丽,尚仪,史丽萍. 太阳能学报. 2015(08)
[6]LBP和HOG的分层特征融合的人脸识别[J]. 万源,李欢欢,吴克风,童恒庆. 计算机辅助设计与图形学学报. 2015(04)
[7]基于双闭环控制的光伏发电用Cuk逆变器研究[J]. 岳舟. 高技术通讯. 2015 (04)
[8]基于改进PSO的复杂环境下光伏MPPT控制[J]. 丁爱华,卢子广,卢泉,宫萍萍. 太阳能学报. 2015(02)
[9]基于改进ORB特征的多姿态人脸识别[J]. 周凯汀,郑力新. 计算机辅助设计与图形学学报. 2015(02)
[10]地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型[J]. 陈志宝,丁杰,周海,程序,朱想. 中国电机工程学报. 2015(03)
博士论文
[1]光伏阵列故障状态的识别研究[D]. 王培珍.合肥工业大学 2005
硕士论文
[1]图像区域分割算法的研究与应用[D]. 党文静.安徽理工大学 2018
[2]PVC板楔形槽缺陷面积的红外热波定量检测[D]. 朱争光.南昌航空大学 2018
[3]基于改进聚类算法的光伏组件图像识别技术[D]. 张铎.浙江大学 2018
[4]含光伏出力的配电网动态重构与检修优化研究[D]. 桂灿芝.浙江大学 2017
[5]基于图像处理的光伏极板自动跟踪系统设计[D]. 纪笑晗.沈阳农业大学 2016
[6]改进MPPT功能型三相光伏并网系统研究[D]. 陈海斌.华中科技大学 2016
[7]基于遥感图像的屋顶面积识别及屋顶光伏容量估计[D]. 徐福圆.杭州电子科技大学 2016
[8]基于神经网络预测模型的光伏发电系统MPPT研究[D]. 黄鹏.华北电力大学 2016
[9]太阳能光伏阵列故障检测及仿真分析[D]. 唐佳能.华北电力大学 2012
本文编号：3068796
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3068796.html
最近更新
教材专著
