[发明专利]一种基于波峰电流的太阳电池阵退化估计方法

说明书

本发明公开了一种基于波峰电流的太阳电池阵退化估计方法，包括步骤1：获取太阳电池阵输出电流数据集；步骤2：对输出电流数据集进行数据预处理；步骤3：使用周期识别算法对输出电流数据进行周期识别，提取出所获取输出电流数据集时间段内的每个周期的波峰电流；步骤4：根据所提取出的每个周期的波峰电流，对波峰电流曲线进行多维拟合，得到太阳电池阵性能退化模型；步骤5：根据太阳电池阵性能退化模型进行太阳电池阵性能退化进行计算，得到太阳电池阵性能退化估计。本发明所提出的方法能够仅基于单一参数、短时间内卫星在轨数据并综合太阳电池阵在空间运行受到的多重影响因素进行退化估计，使用数据量少，计算简单且精度较高。

技术领域

本发明属于电池阵退化评估领域，尤其涉及一种基于波峰电流的太阳电池阵退化估计方法。

背景技术

随着航天技术的快速发展，越来越多的卫星被发射到太空中以执行各种各样的任务，如导航定位，气象观测预报，地形地质勘探等。所有这些任务都消耗大量的能量，也因此电源系统是在外层空间运行的卫星的重要组成部分。太阳电池阵是大多数卫星电源系统的关键组成部分，它为机载设备提供能量，并在光照区为电池充电，而电池在阴影区域则负责为整个系统提供电力。因此，太阳电池阵的可靠性和耐久性对卫星的日常运行具有重要意义。

在太阳电池阵退化估计的现有研究中，有以隐马尔科夫模型分析太阳电池阵剩余寿命的方法，也有太阳电池阵输出功率标准公式配合公式中所需参数数据进行衰减估计的方法。但是这两种方法对数据的要求均较高，基于隐马尔可夫模型分析太阳电池阵剩余寿命需要提供在不同场景、不同工况条件下太阳电池阵的工作情况的概率分布，而实际情况中很难给出合理有效的概率分布。而归一化方法通常需要温度、太阳入射角度、太阳辐射强度等多个参数对退化特征进行归一化，而实际情况中这些参数通常无法同时获得，导致太阳电池阵的退化估计的计算复杂度高且效果不佳。

太阳电池阵在太空中的输出功率一般受以下三个方面因素的影响：第一，太阳光照强度，主要受日地距离因素和太阳入射角等影响；第二，工作温度，太阳电池阵光伏发电核心单元为三结砷化镓太阳能电池，太阳能电池短路电流随温度的升高而升高，而太阳能电池的峰值功率随温度的升高而降低；第三，空间环境，主要受粒子辐照、紫外辐照、微流星体碰撞和冷热交变等因素的影响，使得太阳电池阵特性发生衰降。前两者主要为周期性变化，第三种呈现为长期性的衰减变化，对卫星寿命有较大影响。因此应实时估算太阳电池阵受太空中多种环境因素影响而造成的衰减情况，以对太阳电池阵的健康状态进行及时的评估，为在轨卫星的合理调度与使用等提供辅助决策支持。

发明内容

本发明要解决的技术问题是提供了一种使用少量数据，计算简单且精度较高的基于波峰电流的卫星太阳电池阵退化估计方法。

本发明通过周期识别算法提取太阳电池阵的输出电流每个周期的波峰值，并根据太阳电池阵在空间环境中受到的周期性影响因素与长期衰退性影响因素构造了一个性能退化模型，通过模型的退化部分得到太阳电池阵的退化估计并外延模型趋势能够对太阳电池阵的剩余寿命进行预测。

一种基于波峰电流的太阳电池阵退化估计方法，包括以下步骤：

步骤1：获取太阳电池阵输出电流数据集；

步骤2：对输出电流数据集进行数据预处理；

步骤3：使用周期识别算法对经过数据预处理后的输出电流数据进行周期识别，提取出所获取输出电流数据集时间段内的每个周期的波峰电流；

步骤4：根据所提取出的每个周期的波峰电流，对波峰电流曲线进行多维拟合，得到太阳电池阵性能退化模型；

步骤5：根据太阳电池阵性能退化模型进行太阳电池阵性能退化进行计算，得到太阳电池阵性能退化估计。

进一步地，步骤2中所述数据预处理是指通过阈值判断法，去除离群点。

进一步地，步骤3中的周期识别算法为：