[发明专利]基于人工智能的光伏组件发电效率模拟装置与方法在审

专利信息
申请号: 202010104858.8 申请日: 2020-02-20
公开(公告)号: CN113285668A 公开(公告)日: 2021-08-20
发明(设计)人: 郝翔;武宁;郝培成;张汉挺;艾信彦;艾方 申请(专利权)人: 深圳市稻光科技服务有限公司
主分类号: H02S50/10 分类号: H02S50/10;H02S50/15
代理公司: 暂无信息 代理人: 暂无信息
地址: 518000 广东省深圳市华强北街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 人工智能 组件 发电 效率 模拟 装置 方法
【权利要求书】:

1.一种测试光伏组件的装置,其特征在于,包含控制单元(1)、与该控制单元(1)电连接或通讯的光源(3)、与该控制单元(1)电连接或通讯的负载单元(4);所述的负载单元可以改变负载的大小,可以通过改变光源和/或通过改变负载单元的有效负载来改变被测光伏组件的工作状态;所述的各个单元与控制单元通过有线或无线的方式通讯。

2.根据权利要求1所述的装置,其特征在于,所述的控制单元(1)带有包含微处理器。

3.根据权利要求2所述的装置,其特征在于,所述的控制单元(1)带有连接所述微处理器的上位机。

4.根据权利要求3所述的装置,其特征在于,所述上位机实现以下功能中的一种或多种:接收传感电路的产生的信号,包括被测光伏组件的电压、电流、功率、温度、温度分布、位置、姿态中的一种或多种;所述控制单元(1)还包含以下功能中的一种或多种:记录微控制单元(1)所采集的数据、处理微控制单元(1)所采集的数据、运行人工智能算法、将采集的数据或经过处理的数据呈现给操作者、与操作者交互、计录操作者的操作行为。

5.根据权利要求4所述的装置,其特征在于,所述的人工智能的算法具体为深度神经网络,即通过学习已计录的数据来学习数据的分布,并且能够将数据对应的光伏组件的品质进行评价。

6.根据权利要求5所述的装置,其特征在于,所述的评价结果以离散的变量来描述,如表达该光伏组件的品质的分类,如优、良、不合格。

7.根据权利要求5所述的装置,其特征在于,所述的算法具体为异常检测算法,从大量的光伏组件的参数的集合中找到其参数与其他多数产品相距较远的个体。

8.根据权利要求4所述的装置,其特征在于,所述的算法为回归算法,即通过学习已计录的数据来学习数据的分布,并且能够将数据对应的光伏组件的品质进行评价。

9.根据权利要求8所述的装置,其特征在于,所述的评价可以是通过一种连续的变量来描述,如得分。

10.根据权利要求4所述的装置,其特征在于,可以计算出光伏组件的最大功率点。

11.根据权利要求4所述的装置,其特征在于,可以实现光伏组件I-V特性测试实验。

12.根据权利要求4所述的装置,其特征在于,可以实现光伏组件P-V特性测试实验。

13.根据权利要求4所述的装置,其特征在于,可以实现研究阴影遮挡对组件发电影响。

14.根据权利要求4所述的装置,其特征在于,可以实现开路电压与相对辐照的函数关系实验。

15.根据权利要求4所述的装置,其特征在于,可以实现短路电流与相对辐照的函数关系实验。

16.根据权利要求4所述的装置,其特征在于,可以实现光伏组件的串联开路电压测试实验。

17.根据权利要求4所述的装置,其特征在于,可以实现不同照度下光伏组件功率变化在恒定负载下的研究。

18.根据权利要求4所述的装置,其特征在于,可以实现不同辐射角度下光伏组件功率变化的研究。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市稻光科技服务有限公司,未经深圳市稻光科技服务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010104858.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top