System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种复杂环境下太阳能电池板表面电帘除尘控制系统技术方案_技高网

一种复杂环境下太阳能电池板表面电帘除尘控制系统技术方案

技术编号:40787217 阅读:8 留言:0更新日期:2024-03-28 19:18
本发明专利技术涉及太阳能电池板除尘领域,公开了一种复杂环境下太阳能电池板表面电帘除尘控制系统,利用设置在电帘上的风速传感器、湿度传感器、压力传感器分别检测周围环境实时风速、太阳能电池板表面湿度、污染物重力,通过控制器中设置的基于RBF‑BP神经网络的电帘控制模型,基于检测的环境参数,控制施加在电帘上的单相正弦交流电的电压、频率,实时调整电帘上的单相正弦交流电的电压、频率直至电帘除尘结束。与现有技术相比,本发明专利技术综合考虑环境因素中空气湿度、风力以及污染物重力、电帘电压、频率因素间的相关性,提出环境因素作用下的电帘除尘控制方法,以提高复杂环境下的太阳能电池板表面电帘除尘效率,提升电帘除尘的适用性。

【技术实现步骤摘要】

本专利技术涉及太阳能电池板除尘领域,具体涉及一种复杂环境下太阳能电池板表面电帘除尘控制系统


技术介绍

1、光伏电帘除尘是指采用电帘除尘技术去除太阳能光伏电池板表面灰尘。电帘除尘技术是在被保护的表面刻蚀一组平行的透明导体电极,将电极连接到交流电源上,产生交流电场力驱动微尘在电场中做定向运动,进而达到除尘目的。

2、太阳能电池板表面灰尘沉积是一个复杂的动态过程,受到当地气候环境因素与污染物重力大小等因素影响。与电帘除尘效率影响关联度较大的环境因素包括风速、空气湿度。现有太阳能电池板表面除尘仍处于实验室研究阶段,忽略了实际应用场景中复杂环境因素、污染物重力对除尘效率的影响,导致电帘除尘的推广应用存在局限。因此,在已有安装电帘的应用场景中,保持机械参数不变的情况下,研究分析复杂环境下太阳能电池板表面电帘除尘技术的电学控制策略,对于面向复杂环境下的除尘控制,具有普遍的应用价值。


技术实现思路

1、专利技术目的:针对现有技术中存在的问题,本专利技术提供一种复杂环境下太阳能电池板表面电帘除尘控制系统,综合考虑环境因素中空气湿度、风力以及污染物重力、电帘电压、频率因素间的相关性,提出环境因素作用下的电帘除尘控制方法,以提高复杂环境下的太阳能电池板表面电帘除尘效率,提升电帘除尘的适用性。

2、技术方案:本专利技术提供了一种复杂环境下太阳能电池板表面电帘除尘控制系统,包括电帘、风速传感器、湿度传感器、压力传感器及控制器;

3、所述电帘采用单相正弦交流电压为激励电源

4、所述风速传感器安装在太阳能电池板上方,用于检测周围环境实时风速;

5、所述湿度传感器安装在太阳能电池板边框,实时检测太阳能电池板表面湿度;

6、所述压力传感器为电阻应变片式压力传感器,安装在太阳能电池板背板后侧,用于检测污染物重力;

7、所述风速传感器、湿度传感器、压力传感器与控制器电连接,所述控制器输出控制施加在电帘上的单相正弦交流电的电压、频率,建立基于rbf-bp神经网络的电帘控制模型,所述控制器根据所述基于rbf-bp神经网络的电帘控制模型实时控制电帘的单相正弦交流电的电压、频率。

8、进一步地,所述激励电源由太阳能电池板输出直流电压经逆变、稳压后得到,工作电压、频率可调。

9、进一步地,所述控制器构建的基于rbf-bp神经网络的电帘控制模型的控制方法包括如下步骤:

10、s1:检测太阳能电池板输出电压u0,随着污染物不断沉积,太阳能电池板输出电压持续下降,当下降至标准值30%,启动电帘除尘;

11、s2:确定输入层x(t),作为rbf-bp神经网络的输入层,如式(1)所示:

12、x=(x1(t),x2(t),x3(t))t (1)

13、其中,数列x1(t),x2(t),x3(t)分别为污染物重力g、环境相对湿度h,风速v;

14、s3:确定rbf-bp神经网络的传递函数,如式(2)所示:

15、g'=radbas(3)=e-2/3 (2)

16、s4:确定三层径向基函数网络算法,如式(3)所示:

17、

18、其中,a1为第一层的输出,ω1、ω2分别为第一层、第二层的权值矩阵,s为扩展常数,b为第二层的阈值向量,y为输出向量,即电帘激励电源的电压u、频率f;

19、s5:求解得到输出矩阵y,控制器实时改变电帘激励电源的电压u、频率f;

20、s6:当太阳能电池板输出电压u0恢复至标准值85%,电帘除尘结束,否则,重复步骤s2-s5。

21、有益效果:

22、(1)本专利技术采用的rbf-bp神经网络算法,通过三层径向基函数网络算法,建立影响除尘效率的环境因子与电帘电学参数间数学模型,可以提高参数调节的有效性,改善传统bp神经网络易陷入局部极小的缺点,提高收敛速度。

23、(2)建立对环境相对湿度、风速以及污染物重力等影响电帘除尘效率的因素与电帘激励电源的电压与频率间控制模型,提高了电帘除尘效率,有助于提升电帘除尘技术在复杂环境下的适应性。

本文档来自技高网...

【技术保护点】

1.一种复杂环境下太阳能电池板表面电帘除尘控制系统,其特征在于,包括电帘、风速传感器、湿度传感器、压力传感器及控制器;

2.根据权利要求1所述的复杂环境下太阳能电池板表面电帘除尘控制系统,其特征在于,所述激励电源由太阳能电池板输出直流电压经逆变、稳压后得到,工作电压、频率可调。

3.根据权利要求1所述的复杂环境下太阳能电池板表面电帘除尘控制系统,其特征在于,所述控制器构建的基于RBF-BP神经网络的电帘控制模型的控制方法包括如下步骤:

【技术特征摘要】

1.一种复杂环境下太阳能电池板表面电帘除尘控制系统,其特征在于,包括电帘、风速传感器、湿度传感器、压力传感器及控制器;

2.根据权利要求1所述的复杂环境下太阳能电池板表面电帘除尘控制系统,其特征在于,所述激励电源由太阳能...

【专利技术属性】
技术研发人员:刘晓艳刘乔张楼英
申请(专利权)人:江苏电子信息职业学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1