[发明专利]光伏阵列输出特性曲线实时获取方法

摘要

一种光伏阵列输出特性曲线实时获取方法，首先综合考虑传感器个数以及辐照度检测效率，确定光伏阵列中辐射传感器的安装位置；然后构建光伏阵列输出特性曲线实时获取系统框架，并将辐照度数据与同步采集的阵列运行图像标记时刻后通过通信网络发送至光伏发电系统控制中心；针对浅色地面与深色光伏板之间的灰度值以及正常光照与遮荫状态下组件的灰度值均存在差别这一特征，提出了基于迭代法阈值分割、LOG算子边缘检测等数字图像处理技术的遮荫组件识别算法，用以识别遮荫组件；最后结合光伏组件参数、阵列结构以及获取的辐照度、识别的遮荫组件，利用计算机仿真绘制局部遮荫时光伏阵列的输出特性曲线。

主权项

1.一种光伏阵列输出特性曲线实时获取方法，步骤如下：/n步骤1：综合考虑传感器个数以及辐照度检测效率，确定光伏阵列中辐射传感器的安装位置；具体实现方法如下：/n步骤11：对于共有n块光伏组件的光伏发电系统，根据阵列规模，设计m种定点安装辐射传感器的方案，分别记为方案1、方案2、….、方案m，且记方案j中传感器的使用个数为a_j，j＝1,2,…,m；/n步骤12：通过排列组合，构造i块光伏组件受遮荫时光伏阵列所有可能的阴影分布类型，i＝1,2,…,n，记录阴影分布类型数Y_i，并计算阴影分布类型总数Y＝ΣY_i；/n步骤13：采用步骤11中的方案j时，光伏阵列遍历步骤12中总数为Y的阴影分布类型，统计光照区与阴影区的辐照度能同时被检测到的阴影类型数X_j；/n步骤14：计算步骤11中方案j的适用率ξ_j＝X_j/Y；/n步骤15：综合考虑传感器个数，定义方案j的辐照度检测效率ρ_j＝ξ_j/a_j，选取最大辐照度检测效率max(ρ_j)对应的方案作为最优方案；/n步骤16：按照步骤15选取的最优方案在光伏阵列中布置辐射传感器；/n步骤2：构建光伏阵列输出特性曲线实时获取系统框架；所述的光伏阵列输出特性曲线实时获取系统框架包括检测光伏阵列接收入射光强度的辐射传感器(1)、采集光伏阵列运行图像的摄像头(2)、传输光伏阵列图像与辐照度数据的通信网络(3)、实现A/D转换与遮荫组件识别并绘制光伏阵列输出特性曲线的光伏发电系统控制中心(4)、光伏阵列(5)，其中辐射传感器(1)、摄像头(2)的输出端与通信网络(3)的输入端连接，通信网络(3)的输出端与光伏发电系统控制中心(4)的输入端相连；摄像头(2)安装在光伏阵列(5)的正前方；辐射传感器(1)按照步骤15所述的辐照度检测效率最高的最优方案来布置；光伏阵列(5)采取包括串-并联结构、桥型结构、全连接结构在内的所有结构；/n步骤3：利用辐射传感器检测光伏阵列中光照区与阴影区的辐照度数据并标记测量时刻，与此同时，利用摄像头同步采集光伏阵列运行图像，将辐照度数据与光伏阵列图像通过通信网络传送到光伏发电系统控制中心；/n步骤4：针对浅色地面与深色光伏板之间的灰度值以及正常光照与遮荫状态下组件的灰度值均存在差别这一特征，提出光伏阵列受局部遮荫时的遮荫组件识别算法，识别光伏阵列图像中的遮荫组件；遮荫组件识别算法具体实现方法如下：/n步骤41：对光伏阵列图像进行预处理；/n步骤411：将图像大小为N1×N2的光伏阵列图像转换为阵列灰度图f(x,y)，其中(x,y)为图像中各像素点的坐标，f(x,y)表示点(x,y)的灰度值；/n步骤412：采用迭代法求取阈值K，将灰度值小于等于K的像素点设置为黑，灰度值大于K的像素点设置为白，即将K作为阈值对灰度图f(x,y)进行二值化，得二值图像；/n步骤413：去除地面砖块之间的黑色栅线与光伏组件上的白色栅线：设置检测宽度W，逐行遍历步骤412所得的二值图像中横坐标从1+W到N2-W、纵坐标从1到N1范围内所有的像素点(x,y)，若点(x,y)为黑且点(x-W,y)与点(x+W,y)均为白，则认为点(x,y)是黑色栅线点，并将y行中横坐标从x-W到x+W的点设置为白，否则判断下一个像素点，根据同一原理，逐行去除白色栅线点后，再逐列去除图像中的黑、白栅线点；/n步骤414：使用中值滤波器过滤去栅线后光伏阵列图像中较多的点状噪声；/n步骤42：识别光伏阵列图像中的光伏组件；/n步骤421：采用高斯拉普拉斯算子检测经过步骤414滤波后的光伏阵列图像中灰度值剧烈变化的边界，并产生了n+a+b个亮对象；/n步骤422：去除n+a+b个亮对象中由地面石子及阴影产生的a个小连通亮对象；/n步骤423：去除经过步骤422处理后剩余的n+b个亮对象中b个非封闭的亮对象：对含有n+b个亮对象的图像使用元素0标记非亮对象区域，元素i标记各个亮对象，i＝1,2,…,n+b，测量并记录使用元素i标记的亮对象的质心位置Z_i与周长C_i，计算Z_i在上下左右四个方向与最近亮对象之间的距离，四个距离分别记为A_i、B_i、C_i、D_i，计算L_i＝A_i+B_i、W_i＝C_i+D_i并计算C_0i＝2×(L_i+W_i)，判断C_i/C_0i是否大于0.5且小于1.5，若是则保留该亮对象，若不是则去除该亮对象；/n步骤424：对n个亮对象的封闭区域填充白，之外的其他区域填充黑，得组件区域图像I(x,y)，其中白色区域表示组件区域，黑色区域表示背景区域；/n步骤43：识别光伏组件中受遮荫的组件；/n步骤431：将步骤424所得组件区域图像I(x,y)中的黑色区域记为区域P，并将步骤411所得阵列灰度图f(x,y)中区域P内所有像素点设置为白；/n步骤432：使用元素k标记各个组件，k＝1,2,…,n，计算第k个组件的灰度均值M_k，将M_k作为新的灰度值填充对应的第k个组件区域，得灰度填充图像；/n步骤433：计算步骤432所得的灰度填充图像中n个组件区域的灰度均值M，将M作为阈值对灰度填充图像进行图像分割；/n步骤434：采用高斯拉普拉斯算子检测经过步骤433图像分割后的光伏阵列图像中灰度值剧烈变化的边界，并产生了c个亮对象；/n步骤435：对c个亮对象的封闭区域填充白，之外的其他区域填充黑，得遮荫组件区域图像G(x,y)，其中白色区域表示遮荫组件区域，黑色区域包括背景区域与受正常光照的组件区域；/n步骤5：根据光伏阵列光照区与阴影区的辐照度数据与识别的遮荫组件，结合光伏阵列结构，分析光伏阵列各个组件上的辐照度；/n步骤6：结合组件辐照度、光伏组件参数以及光伏阵列结构，利用计算机仿真快速绘制该时刻光伏阵列的输出特性曲线。/n