基于神经网络评估双面双玻光伏组件输出功率的方法技术

本发明专利技术公开了一种基于神经网络评估双面双玻光伏组件输出功率的方法，包括将在实验地点同一时刻测量所得气温、风速、双面双玻光伏组件正面辐照度、背面辐照度四个参数作为自变量，将同一时刻测得的该组件的输出功率作为因变量，将得到的数据输入到经过结构优化的神经网络中进行非线性拟合分析，最终向神经网络中输入任意的四个参数，即可得到双面双玻光伏组件输出功率的拟合计算结果，本发明专利技术弥补了在双面双玻光伏组件输出功率评估方法方面的不足，输出功率的拟合准确度相对提高。

【技术实现步骤摘要】
基于神经网络评估双面双玻光伏组件输出功率的方法
本专利技术涉及一种基于神经网络评估双面双玻光伏组件输出功率的方法，属于光伏组件性能分析

技术介绍
随着光伏行业发展日趋完善，研究重心从单一提高光伏组件转换效率拓展到提高光伏系统综合性能上来。近年来双面双玻光伏组件由于其突出的耐久性、可靠性、安全性及高发电量特性，引起广泛关注。但是由于双面双玻光伏组件和常规单面光伏组件在发电性能上的差异，用于常规单面光伏组件输出功率上的评估方法不能完全适用于双面双玻光伏组件，而现阶段国内外在该方面的研究还尚未完全展开，如果和常规单面光伏组件一样，仅仅从组件正面辐照度、气温、风速、风向这些参数取拟合评估输出功率，不能体现出双面双玻光伏组件的特性，拟合准确性也较差。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种基于神经网络评估双面双玻光伏组件输出功率的方法，可以根据气温、风速、正面辐照度、背面辐照度对输出功率情况进行预判。为了达到上述目的，本专利技术采取的技术方案如下：基于神经网络评估双面双玻光伏组件输出功率的方法，包括以下步骤：1）在实验地点，在不同日、不同时间段对气温、风速、双面双玻光伏组件正面辐照度和背面辐照度这四个参数以及双面双玻光伏组件输出功率进行测量；2）将测量数据进行处理后输入神经网络；3）神经网络的神经网络隐层节点数目及网络结构传递函数类型保持不变，对神经网络隐层数目进行误差最小化选择；4）在步骤3）所确定的神经网络隐层数目的情况下，网络结构传递函数类型保持不变，对神经网络隐层节点数目进行误差最小化选择；5）在步骤3）确定的神经网络隐层数目和步骤4）确定的神经网络隐层节点数目情况下，对网络结构传递函数类型进行误差最小化选择；6）以步骤3）确定的神经网络隐层数目，步骤4）确定的神经网络隐层节点数目和步骤5）所确定的网络结构传递函数类型构建神经网络，将步骤1）所测量的全部数据都输入该神经网络，经过拟合后，任意输入一组四个参数的值，即得到相应输出功率的值。前述的步骤1）中，实验的不同日包括了晴天、多云和阴天3种天气情况，每种天气类型各取4天进行实验；实验的不同时间段包括了上午8时至10时，中午11时至下午1时，以及下午2时至4时，测量的时间步长均为1分钟。前述的步骤1）中，实验地点设置的气温和风速测量装置均位于所测试的双面双玻光伏组件周围区域，且无显著阻隔物存在；实验地点设置的双面双玻光伏组件正面辐照度测量装置安装于组件正面侧边的中间位置；设置的双面双玻光伏组件背面辐照度测量装置有两个，分别安装于组件背面底边的中间位置和顶边的中间位置；且所有的辐照度测量装置的安装角度均与组件倾角一致，且不在组件发电表面形成遮挡；输出功率记录装置接于组件电源线与逆变器之间。前述的步骤2）中，对测量数据进行处理是指，将同一时刻测量的组件背面底边和顶边中间位置的两个辐照度数值取平均值，作为组件背面辐照度；再将气温、风速、双面双玻光伏组件正面辐照度、组件背面辐照度及组件输出功率按照时间顺序进行整理，同一时刻的四个参数值和1个输出功率值归为1组。前述的步骤3）中，神经网络隐层节点数目及网络结构传递函数，初步设定为：神经网络隐层节点数目取为4，输入层到第一层隐层传递函数取为tansig，若隐层数大于等于2，隐层之间的传递函数均取为logsig，最后一层隐层到输出层传递函数为purelin。前述的步骤3）中，对神经网络隐层数目进行误差最小化选择是指，将神经网络隐层数目从1层调整至2、3、4、5...，分别计算不同隐层数目情况下的拟合输出功率值和实际功率值的误差，取误差最小时的隐层数目。前述的步骤4）中，对神经网络隐层节点数目进行误差最小化选择，具体为，将神经网络隐层节点数目从4调整至5、6、7、8...，分别计算不同隐层节点数目情况下的拟合输出功率值和实际功率值的误差，取误差最小时的神经网络隐层节点数目。前述的步骤5）中，对网络结构传递函数类型进行误差最小化选择，具体为，将隐层传递函数和输出层传递函数进行组合，分别计算不同传递函数组合情况下的拟合输出功率值和实际功率值的误差，取误差最小时的传递函数组合情况。前述的隐层传递函数包括tansig、logsig，输出层传递函数包括tansig、purelin。前述的拟合输出功率值的过程如下：91）将输入的气温、风速、组件正面辐照度、组件背面辐照度和输出功率数据进行归一化处理；92）将输入的四个参数的处理结果分别乘以对应输入层至隐层间的权值并与阈值加和，其中，初始权值、阈值选为均匀分布的小数，在(-1，1)间任取，得到的结果代入该层的传递函数中；93）将得到的结果重复上一层操作，完成所有的隐层之间的计算；94）将计算的结果分别乘以隐层至输出层间权值并与阈值加和，得到的结果代入隐层到输出层的传递函数中，此时得到的结果为初次得到的拟合输出功率信号值；95）计算初次拟合输出功率信号值与输入的输出功率信号值的误差，将误差进行反向传播来调整神经网络中的权值、阈值；96）调整完成后，重新进行从输入层到隐层、隐层到输出层的计算过程，直到计算误差达到规定要求，停止计算；97）将最后的拟合输出功率信号值进行反归一化，输出最后的拟合输出功率值。本专利技术所达到的有益效果为：通过对用于常规单面光伏组件输出功率上的评估方法参数的调整，凸显了双面双玻组件的发电特性，弥补了在双面双玻光伏组件输出功率评估方法方面的不足，输出功率的拟合准确度相对提高。附图说明图1为BP神经网络结构示意图；图2为本专利技术方法的流程图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本专利技术的基于神经网络评估双面双玻光伏组件输出功率的方法，如图2所示，包括以下步骤：(1).在实验地点的不同日、不同时间段进行气温、风速、双面双玻光伏组件正面辐照度、背面辐照度及双面双玻光伏组件输出功率的测量。具体的，实验的不同日包括了晴天、多云、阴天3种天气情况，每种天气类型各取4天进行实验。实验的不同时间段包括了上午8时~10时，中午11时至下午1时，以及下午2时~4时，一天的测量时间长为6小时，测量的时间步长均为1分钟。实验地点设置的气温、风速测量装置均位于所测试的双面双玻光伏组件周围区域，且无显著阻隔物存在，气温单位为摄氏度(℃)，风速单位为米每秒(m/s)。实验测量的双面双玻光伏组件正面、背面辐照度的单位为瓦每平方米(W/m2)，设置的双面双玻光伏组件正面辐照度测量装置安装于组件正面侧边的中间位置。设置的双面双玻光伏组件背面辐照度测量装置分别安装于组件背面底边的中间位置和顶边的中间位置。实验地点设置的双面双玻光伏组件正面、背面辐照度测量装置的安装角度均与组件倾角一致，且不在组件发电表面形成遮挡。双面双玻光伏组件的输出功率的单位为瓦特(W)，输出功率记录装置接于组件电源线与逆变器之间。(2).将测量数据进行处理后输入神经网络；测量数据的处理包括，将同一时刻测量的组件背面底边和顶边中间位置的两个辐照度数值取平均值，得到组件背面辐照度；将气温、风速、双面双玻光伏组件正面辐照度、背面辐照度及组件输出功率数据按照时间顺序进行整理，同一时刻的参数值归为1组，一天的数据组数即本文档来自技高网...

【技术保护点】
1.基于神经网络评估双面双玻光伏组件输出功率的方法，其特征在于，包括以下步骤：1）在实验地点，在不同日、不同时间段对气温、风速、双面双玻光伏组件正面辐照度和背面辐照度这四个参数以及双面双玻光伏组件输出功率进行测量；2）将测量数据进行处理后输入神经网络；3）神经网络的神经网络隐层节点数目及网络结构传递函数类型保持不变，对神经网络隐层数目进行误差最小化选择；4）在步骤3）所确定的神经网络隐层数目的情况下，网络结构传递函数类型保持不变，对神经网络隐层节点数目进行误差最小化选择；5）在步骤3）确定的神经网络隐层数目和步骤4）确定的神经网络隐层节点数目情况下，对网络结构传递函数类型进行误差最小化选择；6）以步骤3）确定的神经网络隐层数目，步骤4）确定的神经网络隐层节点数目和步骤5）所确定的网络结构传递函数类型构建神经网络，将步骤1）所测量的全部数据都输入该神经网络，经过拟合后，任意输入一组四个参数的值，即得到相应输出功率的值。

【技术特征摘要】
1.基于神经网络评估双面双玻光伏组件输出功率的方法，其特征在于，包括以下步骤：1）在实验地点，在不同日、不同时间段对气温、风速、双面双玻光伏组件正面辐照度和背面辐照度这四个参数以及双面双玻光伏组件输出功率进行测量；2）将测量数据进行处理后输入神经网络；3）神经网络的神经网络隐层节点数目及网络结构传递函数类型保持不变，对神经网络隐层数目进行误差最小化选择；4）在步骤3）所确定的神经网络隐层数目的情况下，网络结构传递函数类型保持不变，对神经网络隐层节点数目进行误差最小化选择；5）在步骤3）确定的神经网络隐层数目和步骤4）确定的神经网络隐层节点数目情况下，对网络结构传递函数类型进行误差最小化选择；6）以步骤3）确定的神经网络隐层数目，步骤4）确定的神经网络隐层节点数目和步骤5）所确定的网络结构传递函数类型构建神经网络，将步骤1）所测量的全部数据都输入该神经网络，经过拟合后，任意输入一组四个参数的值，即得到相应输出功率的值。2.根据权利要求1所述的基于神经网络评估双面双玻光伏组件输出功率的方法，其特征在于，所述步骤1）中，实验的不同日包括了晴天、多云和阴天3种天气情况，每种天气类型各取4天进行实验；实验的不同时间段包括了上午8时至10时，中午11时至下午1时，以及下午2时至4时，测量的时间步长均为1分钟。3.根据权利要求1所述的基于神经网络评估双面双玻光伏组件输出功率的方法，其特征在于，所述步骤1）中，实验地点设置的气温和风速测量装置均位于所测试的双面双玻光伏组件周围区域，且无显著阻隔物存在；实验地点设置的双面双玻光伏组件正面辐照度测量装置安装于组件正面侧边的中间位置；设置的双面双玻光伏组件背面辐照度测量装置有两个，分别安装于组件背面底边的中间位置和顶边的中间位置；且所有的辐照度测量装置的安装角度均与组件倾角一致，且不在组件发电表面形成遮挡；输出功率记录装置接于组件电源线与逆变器之间。4.根据权利要求3所述的基于神经网络评估双面双玻光伏组件输出功率的方法，其特征在于，所述步骤2）中，对测量数据进行处理是指，将同一时刻测量的组件背面底边和顶边中间位置的两个辐照度数值取平均值，作为组件背面辐照度；再将气温、风速、双面双玻光伏组件正面辐照度、组件背面辐照度及组件输出功率按照时间顺序进行整理，同一时刻的四个参数值和1个输出功率值归为1组。5.根据权利要求1所述的基于神经网络评估双面双玻光伏组件输出功率的方法，其特征在于，所述步骤3）中，神经网络隐层节点数目及网络结构传递函数，初步设定...

【专利技术属性】
技术研发人员：祝曾伟，张臻，罗皓霖，张起源，邵玺，宋倩，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏,32