[发明专利]一种控制发电量方法、装置及光伏跟踪支架

权利要求书

1.一种控制发电量方法，其特征在于，包括步骤：

根据多个样本发电量数据，计算得到样本发电量最大时的样本最佳角度；

以所述样本最佳角度为基础结合采集的多个样本外界数据，构建跟踪角度模型，具体步骤包括：

间隔的对处于T时刻的所述样本最佳角度和所述样本外界数据的多个参数进行对应记录并形成多张综合数据表，T时刻的多个所述参数记录为：X(T)＝[参数A，参数B，参数C，参数D，参数E，参数F，参数G，参数H，参数I，参数J，参数K，参数L，角度]，输入参数X(T)；

将每个所述参数所对应的权重W带入X(T)，得到归一化数据：y(T)＝[参数A*w1，参数B*w2，……，参数L*w12，角度]+b，其中b为函数偏离原点的距离，利用所述归一化数据，以训练所述跟踪角度模型；

利用所述跟踪角度模型与当前外界数据对比，生成光伏跟踪支架的当前最佳角度，以控制发电量；

其中，所述样本外界数据包括样本天气参数、样本云层遮挡参数、样本地形环境参数和样本光伏组件参数，T代表一个时刻，角度代表T时刻的所述样本最佳角度；

其中，参数A为组件类型，参数B为双面因子，参数C为背面反射系数，参数D为温度，参数E为湿度，参数F为云层速度，参数G为云层大小，参数H为云层厚度，参数I为支架高度，参数J为地形坡度，参数K为南北方向阴影系数，参数L为东西方向阴影系数，

所述归一化数据中每个所述参数所述对应的权重为：W＝[w1,w2,……,w12]，

其中，w1为对应参数A的权重系数，w2为对应参数B的权重系数，……，w12为对应参数L的权重系数。

2.根据权利要求1所述的控制发电量方法，其特征在于，根据多个所述样本发电量数据，计算得到所述样本发电量最大时的所述样本最佳角度，包括步骤：

利用所述光伏跟踪支架的电量检测设备，采集多个所述样本发电量数据以计算所述样本发电量；

当计算所述样本发电量后，记录每个时刻的所述样本发电量对应的角度，筛选排序出最大所述样本发电量时的对应角度，最大所述样本发电量时对应的角度为所述样本最佳角度；

其中，所述样本发电量数据包括光伏组件的样本电压数据和样本电流数据。

3.根据权利要求2所述的控制发电量方法，其特征在于，所述利用所述光伏跟踪支架的电量检测设备，采集多个所述样本发电量数据以计算所述样本发电量，具体包括步骤：

在视日轨迹控制方式的基础上采集多个所述样本发电量数据，建立样本数据表；

根据所述样本数据表计算对应时刻的所述样本发电量。

4.根据权利要求1所述的控制发电量方法，其特征在于，在所述以所述样本最佳角度为基础结合采集的多个所述样本外界数据，构建跟踪角度模型之前，还包括采集多个所述样本外界数据的所述参数，具体包括步骤：

采集所述样本光伏组件参数中的组件类型、双面因子和背面反射系数；

记录所述样本天气参数中的温度、湿度，以及所述样本云层遮挡参数中的云层速度、云层大小和云层厚度；

记录所述光伏跟踪支架所在的样本地形环境参数中的支架高度、地形坡度、南北方向阴影系数和东西方向阴影系数。

5.根据权利要求4所述的控制发电量方法，其特征在于，所述利用所述归一化数据，以训练所述跟踪角度模型，具体包括步骤：

建立BP神经网络模型；

将所述归一化数据输入所述BP神经网络模型；

将采集的样本数据表对应的时刻总数作为所述BP神经网络模型的迭代次数；

基于所述迭代次数、预设期望误差和预设学习速率，自动训练所述BP神经网络模型，以获得所述跟踪角度模型。

6.根据权利要求2所述的控制发电量方法，其特征在于，所述利用所述光伏跟踪支架的电量检测设备，采集多个所述样本发电量数据以计算所述样本发电量，具体包括步骤：

利用所述样本电压数据和所述样本电流数据，计算得到光伏组件在每个时刻的所述样本发电量。