论文总字数：30766字

摘 要

光伏组件的温度对组件的工作效率影响很大。当光伏组件的温度异常变化时，通常伴随着功率下降、热斑、甚至火灾等不良现象。所以对光伏组件的温度监测显得至关重要。由于光伏组件面积大、分布分散的特点，用传感器对光伏组件进行直接测量成本较高。本课题希望通过对光伏组件的输出电压、电流、太阳辐照度、环境温度等易于测量的数据进行分析，实现对光伏组件温度的软测量。

本文首先从物理层面对光伏组件的能量变化和传热过程进行了分析，总结出了影响光伏组件温度变化的物理量。然后介绍了微型光伏实验平台，该平台具备小型光伏电站的基本功能同时是一个浏览器/服务器架构的数据监测存储系统，能够采集光伏组件的输出电流、电压、环境温度、湿度、风速、辐照度等数据。接着介绍了独立于光伏实验平台的多点温度采集系统。该系统以STM32F103芯片作为为控制核心，用热电阻PT100探头测量温度，通过RS20P温度采集变送器模块将模拟量转为数字量。STM32通过485通信定时读取温度变送器模块里面寄存器中的温度数据，并把温度值通过SPI存储在SD卡里。最后分别建立了基于BP神经网络和支持向量机的温度软测量模型，用相同的训练集和测试集分别训练和测试两个模型，并分别对比训练集和测试集在两个模型上的拟合情况。

本课题的研究说明了采集到的八个物理量数据和光伏组件温度可以通过软测量模型建立联系。建立的两种软测量模型有效地对光伏组件的温度进行了软测量，且基于支持向量机的软测量模型的结果更加精确。本课题的研究为光伏组件温度的进一步研究打下了良好的基础。

关键词：光伏组件温度；支持向量机；神经网络；软测量

Abstract

The temperature of photovoltaic module is a very important parameter. When the temperature of photovoltaic module changes abnormally, it usually accompanies with bad phenomena such as power drop, hot spot and even fire. This subject hopes to realize the soft sensor of the temperature of photovoltaic module by analyzing the output voltage, current, solar irradiance, ambient temperature and other data which are easy to measure.

Firstly, the energy change and heat transfer process of photovoltaic modules are analyzed from the physical level, and the physical quantities affecting the temperature change of photovoltaic modules are summarized. Then the micro photovoltaic experimental platform and multi-point temperature acquisition system are introduced. Finally, two kinds of soft sensor models are established respectively. The same training set and test set are used to train and test the two models respectively, and the fitting of training set and test set on the two models is compared respectively.

The research results show that the eight physical data collected and the temperature of photovoltaic module can be linked by soft sensor model. The two soft-sensing models are effective in soft-sensing the temperature of photovoltaic modules, and the results of the soft-sensing model based on support vector machine are more accurate.

KEY WORDS: Photovoltaic Module Temperature; Support Vector Machine; Neural Network; Soft Sensor

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 课题研究背景 1

1.2 课题研究的意义 1

1.3 课题研究的发展现状及存在问题 2

1.4 本课题主要工作 3

第二章 影响光伏电池组件温度的因素分析 4

2.1 光伏电池组件温度物理分析 4

2.2 光伏组件温度气象影响因素 7

2.2.1 空气温度 7

2.2.2 太阳辐射 7

2.2.3 局部风速 8

2.3 本章小结 8

第三章 相关物理量的测量 9

3.1 微型光伏实验平台介绍 9

3.1.1 光伏组件 10

3.1.2 数据采集板 10

3.1.3 太阳总辐射传感器 11

3.1.4 超声波风速风向传感器 13

3.1.5 并网逆变器 14

3.2 光伏组件温度的测量 14

3.2.1 整体设计方案 14

3.2.2 热电阻温度采集变送器模块 15

3.2.3 FAT文件系统 15

3.2.4 温度测量过程和结果分析 15

3.3 本章小结 20

第四章 光伏组件温度软测量模型 21

4.1 影响光伏组件温度的物理量数据的相关分析 21

4.1.1 二元数据的Pearson相关系数 21

4.1.2 显著性检验 21

4.1.3 有关物理量的相关系数和显著性检验 22

4.2 数据处理 23

4.2.1 标准化 23

4.2.2 主成分分析 23

4.3 数学基础 27

4.3.1 BP神经网络 27

4.3.2 支持向量机（SVM）用于回归分析 29

4.4 光伏组件温度软测量模型 31

4.4.1 基于BP神经网络的光伏组件温度软测量模型 31

4.4.2 基于支持向量机的光伏组件温度软测量模型 32

4.5 软测量结果分析 32

4.6 本章小结 36

第五章 结论与展望 38

5.1 结论 38

5.2 展望 38

参考文献 40

致 谢 42

绪论

课题研究背景

由于人类对地球的过度开发和全球能源需求的不断上升，能源危机是近几十年来人类面临的最大挑战。化石燃料的燃烧是主要空气污染最主要的原因。在主要的大气污染物都来自石油和煤炭。石油带来61%的氮氧污染物，煤炭带来43%的硫氧污染物。这些空气污染造成全球约300万人过早死亡^[1]。到2040年，全球能源需求将进一步增长56%。如果继续以现有的能源结构发展下去的话，会引发一系列的环境问题，进而带来灾难性的后果。为了减少污染气体的排放、满足能源的巨大需求，世界上很多国家和地区都在积极地研究可再生能源。在这样一个快速消耗化石燃料的时代下，以生态友好的方式来满足日益增长的能源需求将会是一个巨大的挑战。太阳能因为其清洁、可再生、没有噪音、安装方便、施工期短等一系列优点成为最有发展潜力的能源。特别是光伏发电成本的降低和并网光伏发电系统的发展是形成这一趋势的主要原因。

太阳能光伏发电目前仅占全球发电量的约1%^[3]。然而，太阳能发电的成本正在快速降低。2008年到2014年间，光伏发电系统的成本下降了三分之二，这给太阳能的发展带来重大转机。目前全球都在加大力度发展可再生能源，美国的光伏市场相对成熟，其太阳能总装机量位于世界前列。美国能源部预测，到2050年，美国光伏发电的利用率将上升到4太瓦，这将会解决美国18%的能源问题。太阳能有望在未来几代人的生活中发挥重要作用。

课题研究的意义

近年来全世界的光伏产业发展迅速，研究影响光伏组件性能的因素对于太阳能在竞争激烈的能源市场中生存和发展具有重要意义。光伏组件从阳光中吸收光子并将其转换成电子。在所有光伏材料中，晶体硅自光伏产业出现以来一直是市场的领导者。晶体硅组件通常由玻璃盖板、太阳电池片、 EVA 及背板等组成,晶体硅组件的性能主要受辐照度和工作温度的影响。辐照度直接影响组件中产生的电流，而工作温度主要影响组件产生的电压。一般来说，温度每升高2.5摄氏度，电压降低1%^[2]；温度每升高2.2摄氏度，功率降低1%^[3]。在一些气候炎热的地区，开放式机架组件在夏季的工作温度通常能达到65摄氏度^[6]。因为铭牌功率数据是在25摄氏度的标准测试条件（STC）下额定的。所以在这种情况下，功率至少会下降18%。此外，增加的工作温度会在模块中引起热应力，所以高温运行会引起性能和可靠性问题。可见，光伏组件的温度对组件的工作效率影响很大。

剩余内容已隐藏，请支付后下载全文，论文总字数：30766字