BIPV系统斜面总辐照量计算及发电量估算
收稿日期: 2016-08-18
修回日期: 2016-09-08
网络出版日期: 2016-10-28
基金资助
广东省自然科学基金（2014A030310191）；
2014年度广东省协同创新与平台环境建设项目（2014B040404002）；
佛山市院市合作项目（2014HK100051）；
广州市创新平台与共享项目（重点实验室）（201509010018）
Calculation of Total Surface Radiation and Estimation of Power Generation for BIPV System
Received date: 2016-08-18
Revised date: 2016-09-08
Online published: 2016-10-28
崔 琼 , 舒 杰 , 吴志锋 , 黄 磊 , 丁建宁 . BIPV系统斜面总辐照量计算及发电量估算[J]. 新能源进展, 2016 , 4(5) : 386 -392 . DOI: 10.3969/j.issn.2095-560X.2016.05.008
Currently, the general bevel total radiation calculation formula is traditionally used in PV system, but the deviation is large when applied in building integrated photovoltaic (BIPV) system which includes several parameters, and multilevel calculation because of the multiple installation angles. In this paper, we analyzed the different factors that influence the total surface radiation calculation in BIPV. Then we concluded and proposed a novel formula that consider the inclination angle change in calculating total radiation. Compared with traditional formula, the novel one is more simplified and presents higher accuracy. Moreover, the concept of physical model in conducting BIPV system was profoundly discussed. Finally, the superiority of this novel method was verified in a project implementation.
[1] 刘邦银, 蔡涛, 段善旭. 建筑集成光伏的发展概述[J]. 高科技与产业化, 2009(3): 104-106. DOI: 10.3969/ j.issn.1006-222X.2009.03.030.
[2] 赵西安. 我国光伏建筑的进展[J]. 中国建筑金属结构, 2010(1): 43-48. DOI: 10.3969/j.issn.1671-3362.2010.01.014.
[3] 王兆宇, 艾芊. 太阳能光伏建筑一体化技术的应用分析[J]. 华东电力, 2011, 39(3): 477-481.
[4] 徐静, 陈正洪, 唐俊, 等. 建筑光伏并网发电系统的发电量预测初探[J]. 电力系统保护与控制, 2012, 40(18): 81-85.
[5] 王鸿运, 王伟, 梁勃. 光伏并网系统设计中发电量计算研究[J]. 太阳能, 2015(2): 35-38, 75. DOI: 10.3969/ j.issn.1003-0417.2015.02.009.
[6] 邓雅, 胡书举, 孟岩峰, 等. 光伏发电系统功率预测研究方法综述[J]. 电气制造, 2013(6): 50-53.
[7] 秦俊举. 光伏发电功率预测方法的研究[D]. 成都: 西华大学, 2014.
[8] 崔洋, 孙银川, 常倬林. 短期太阳能光伏发电预测方法研究进展[J]. 资源科学, 2013, 35(7): 1474-1481.
[9] 黄敏敏, 颜文俊. 基于遗传算法优化神经网络的光伏发电预测[J]. 机电工程, 2015, 32(11): 1509-1512. DOI: 10.3969/j.issn.1001-4551.2015.11.023.
[10] 康洪波, 刘瑞梅, 侯秀梅. 基于神经网络光伏发电预测模型的研究[J]. 电源技术, 2013, 37(3): 447-449. DOI: 10.3969/j.issn.1002-087X.2013.03.035.
[11] 李洪珠, 贾威, 聂苓, 等. 基于鲁棒LS-SVM在光伏发电预测中的应用[J]. 计算机测量与控制, 2013, 21(5): 1166-1167, 1170. DOI: 10.3969/j.issn.1671-4598.2013. 05.019.
[12] 杨德全. 基于神经网络的光伏发电系统发电功率预测[D]. 保定: 华北电力大学(保定), 2014.
[13] 傅美平, 马红伟, 毛建容. 基于相似日和最小二乘支持向量机的光伏发电短期预测[J]. 电力系统保护与控制, 2012, 40(16): 65-69. DOI: 10.3969/j.issn. 1674-3415. 2012.16.011.
[14] 董雷, 周文萍, 张沛, 等. 基于动态贝叶斯网络的光伏发电短期概率预测[J]. 中国电机工程学报, 2013, 33(S1): 38-45.
[15] 赵唯嘉, 张宁, 康重庆, 等. 光伏发电出力的条件预测误差概率分布估计方法[J]. 电力系统自动化, 2015, 39(16): 8-15. DOI: 10.7500/AEPS20141017007.
[16] 卢冬冬, 郑莆燕, 袁言周, 等. 基于天气预报的光伏发电预测研究[J]. 硅谷, 2014(15): 43-44, 41. DOI: 10.3969/j.issn.1671-7597.2014.15.040.
[17] 海涛, 闻科伟, 周玲, 等. 基于气象相似度与马尔科夫链的光伏发电预测方法[J]. 广西大学学报(自然科学版), 2015, 40(6): 1452-1460. DOI: 10.13624/j.cnki.issn. 1001-7445.2015.1452.
[18] 袁晓玲, 施俊华, 徐杰彦. 计及天气类型指数的光伏发电短期出力预测[J]. 中国电机工程学报, 2013, 33(34): 57-64.
[19] 易旷怡. 太阳能光伏建筑一体化协同设计研究[D]. 北京: 北京交通大学, 2013.
[20] 龙承潮. 建筑用光伏发电量精确预测方法与光伏组串优化设计研究[D]. 北京: 北京建筑大学, 2015.
[21] 刘伟铭. 光伏发电系统最大发电量的研究[D]. 沈阳: 辽宁大学, 2013.
[22] 江娥. 武汉市光伏组件安装的最佳倾角分析[D]. 武汉: 武汉工程大学, 2015.
[23] 易旷怡. 太阳能光伏建筑一体化协同设计研究[D]. 北京: 北京交通大学, 2013.
[24] 中华人民共和国住房和城乡建设部. 光伏发电站设计规范: GB50797—2012[S]. 北京: 中国计划出版社, 2012.
[25] 李芬, 陈正洪, 成驰, 等. 太阳能光伏发电量预报方法的发展[J]. 气候变化研究进展, 2011, 7(2): 136-142. DOI: 10.3969/j.issn.1673-1719.2011.02.010.
[26] MAYER D, WALD L, POISSANT Y, et al. Performance prediction of grid-connected photovoltaic systems using remote sensing[EB/OL]. (2008-03) [2013-01-09]. http://halshs.archives-ouvertes.fr/docs/00/46/68/25/PDF/7BAE9F5Bd01.pdf.
[27] KNOWE G E V, ZACK J W, MEADE D, et al. Using regime based MOS to adjust solar power production forecasts[C]. Phoenix, AZ: ASES Solar, 2010.
[28] 王嘉媛, 尚可政, 王式功, 等. 甘肃河西太阳能光伏组件最佳倾角及辐射量研究[J]. 中国科技论文, 2015, 10(15): 1757-1764. DOI: 10.3969/j.issn.2095-2783.2015. 15.005.
/
| 〈 |
|
〉 |
