在部分阴影条件下重组光伏阵列以获得最大功率

由于部分遮光条件(钙钛矿太阳能电池)造成的不均匀辐照度降低了光伏(PV)电池提供的功率。PV阵列中的输出功率降低直接取决于所选阵列配置的阴影模式和类型。到目前为止,许多动态和静态重构方法已被用于光伏阵列中钙钛矿太阳能电池下的最大功率点跟踪。然而,大多数传统的方法都存在一些重大问题,如需要额外的设备和传感器、复杂的布线、使用昂贵的传感器、生产复杂的开关矩阵、高成本,以及无法用非常小、大和非方形的尺寸重新配置PV阵列。因此,本文在回顾了动态和静态PV阵列重构方法后,提出了一种新的基于静态的技术8-Queen’s,用于重新配置全交叉连接(TCT)互连PV阵列对应的PV模块。

8-Queen技术有很大的能力,可以应用于高维和矩形形状的PV阵列,并基于8个皇后在棋盘上的移动,因此没有一个皇后可以攻击其他的。通过在7例不同尺寸、不同钙钛矿太阳能电池的TCT PV阵列上的应用,表达了该方法的有效性。在一个比较的场景中,将所提出的8-Queen技术的性能和有效性与其他传统方法进行了比较。全局最大功率点(GMPP)、填充因子、功率效率和失配损失的指标评价了所采用的方法的结果。评价结果代表了8-Queen的技术与其他使用的方法相比的有效性。此外,在考虑测量误差的样本光伏阵列建模中,对实际环境中提出的光伏阵列进行了性能评估。这一步的结果还表明,该技术也可以为解决光伏系统中在钙钛矿太阳能电池条件下的最大功率点跟踪相关问题提供可接受的性能。编译 陈讲运

  • 版权声明:在部分阴影条件下重组光伏阵列以获得最大功率 内容由互联网用户自发贡献,该文观点仅代表作者本人。
  • 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
  • 如发现本站有涉嫌抄袭侵权/违法违规的内容,请联系 删除。
  • 本文地址:https://www.jx027.com/article/666719.html

猜你喜欢

深度学习发展史和26个神经网络模型

深度学习发展史和26个神经网络模型

本文首先从4个方面(张量、生成模型、序列学习、深度强化学习)追踪深度学习几十年的发展史,然后再介绍主流的26个深度学习模型。1.深...

深度学习僧 2022年11月17日
华为新专利公开,谁再窥屏,我有证据

华为新专利公开,谁再窥屏,我有证据

随着通信技术的发展,尤其是诸如智能手机等终端的普及,终端的功能也日益增多,比如,用户可以通过终端实现与其他用户之间的数据交互、转...

SeenPat新专利 2022年11月17日