一種基于神經(jīng)網(wǎng)絡(luò)的硅基光伏組件運(yùn)行溫度在線軟測(cè)量方法

于航，劉陽(yáng)，連魏魏，朱紅路

（1.龍?jiān)?北京)太陽(yáng)能技術(shù)有限公司，北京市 西城區(qū) 100034；2.華北電力大學(xué)可再生能源學(xué)院，北京市 昌平區(qū) 102206）

0 引言

目前，光伏行業(yè)發(fā)展迅猛，2007—2017年全球光伏發(fā)電裝機(jī)容量呈指數(shù)級(jí)增長(zhǎng)。截至 2017年底，全球光伏發(fā)電的裝機(jī)容量達(dá)到402 GW[1-2]。根據(jù)國(guó)際能源署的最高預(yù)測(cè)，到2030年全球太陽(yáng)能光伏發(fā)電裝機(jī)容量可能會(huì)超過(guò)1700 GW[3]。由于世界范圍內(nèi)光伏電站主要以硅基光伏組件為主，對(duì)于該類型的光伏電站而言，光伏組件運(yùn)行溫度是影響硅基光伏組件電氣性能和效率的重要參數(shù)[4]。目前，硅基光伏組件運(yùn)行溫度建模受到了越來(lái)越多學(xué)者的關(guān)注。文獻(xiàn)[5]探討了硅基光伏組件運(yùn)行溫度受到的外部因素影響，如環(huán)境溫度、風(fēng)速以及太陽(yáng)輻照強(qiáng)度等。針對(duì)諸多外部因素的影響，相關(guān)學(xué)者嘗試建立它們之間的關(guān)聯(lián)：硅基光伏組件運(yùn)行溫度和輻照量以及環(huán)境溫度之間的聯(lián)系[6]；硅基光伏組件運(yùn)行溫度系數(shù)與太陽(yáng)輻照度和其他因素之間的聯(lián)系[7]；組件運(yùn)行溫度函數(shù)，硅基光伏組件運(yùn)行溫度、外界環(huán)境溫度等因素與光伏系統(tǒng)輸出功率之間的聯(lián)系[8]。以上研究表明，組件運(yùn)行溫度和外部環(huán)境因素之間具有很明顯的關(guān)系。為了進(jìn)一步研究組件運(yùn)行溫度與電氣參數(shù)之間的關(guān)系，相關(guān)學(xué)者從光伏電站附近的地理和氣候環(huán)境出發(fā)，研究了正確定位溫度傳感器位置處的空氣流動(dòng)性對(duì)組件運(yùn)行溫度的影響[9]；組件自身物理特性以及自身參數(shù)的影響、運(yùn)行溫度與短路電流、結(jié)電流的關(guān)系[10]；運(yùn)行溫度所引起的開路電壓、填充因子的下降，進(jìn)而帶來(lái)組件的效率下降等等[11]。由于運(yùn)行溫度對(duì)硅基光伏組件的效率和性能有著重要影響，許多學(xué)者對(duì)硅基光伏組件的運(yùn)行溫度計(jì)算問題進(jìn)行了探索[12-14]。由于每個(gè)電站的地理位置，環(huán)境差異較大，且不同組件自身材料特性和安裝環(huán)境也各不相同，因此想要建立精確的機(jī)制模型十分困難。文獻(xiàn)[15]采用理論模型對(duì)硅基光伏組件運(yùn)行溫度進(jìn)行計(jì)算，然而其計(jì)算結(jié)果與實(shí)際狀況仍存在一定的誤差。文獻(xiàn)[16]針對(duì)組件運(yùn)行溫度的計(jì)算建立了太陽(yáng)輻照度和硅基光伏組件運(yùn)行溫度的線性相關(guān)分析模型，但是模型參數(shù)的獲取較為復(fù)雜，一般光伏組件廠商提供或者實(shí)驗(yàn)測(cè)試。文獻(xiàn)[17]提出Hottel-Whillier-Bliss (HWB)公式來(lái)對(duì)硅基光伏組件運(yùn)行溫度進(jìn)行修正計(jì)算，但是受到條件限制，缺乏良好的泛化性能，難以直接工程應(yīng)用。

綜上所述，在復(fù)雜和惡劣的工作條件下，光伏組件的運(yùn)行溫度受到實(shí)際環(huán)境中各種因素的影響，電站地理位置信息，電站自身性能的衰退，使得采用機(jī)制模型算法較為困難。但最重要的是，機(jī)制模型在建模時(shí)，由于所涉及的建模環(huán)節(jié)、模型參數(shù)眾多，且受建站成本的限制，在現(xiàn)場(chǎng)實(shí)際運(yùn)行條件下機(jī)制模型要得到所有輸入變量以及模型參數(shù)是不可能的[18]。針對(duì)上述問題，本文提出一種基于多層反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)的硅基光伏組件運(yùn)行溫度計(jì)算方法。由于光伏電站的歷史運(yùn)行數(shù)據(jù)不僅包含了電站自身位置、結(jié)構(gòu)等信息、外部環(huán)境狀況(太陽(yáng)輻照度、環(huán)境溫度、濕度、風(fēng)速)，而且能夠體現(xiàn)組件自身特性(效率降低等)，因此所提基于多層BP神經(jīng)網(wǎng)絡(luò)的組件運(yùn)行溫度計(jì)算模型，采用電站歷史運(yùn)行數(shù)據(jù)不僅可以避免物理模型的復(fù)雜分析過(guò)程，以及模型參數(shù)難以獲取等問題，而且相比于單層隱含層 BP神經(jīng)網(wǎng)絡(luò)模型，其泛化能力更強(qiáng)，計(jì)算簡(jiǎn)單、高效、性能較好，可以有效地應(yīng)用于相關(guān)工程計(jì)算中。

1 運(yùn)行溫度對(duì)光伏組件效率的影響

當(dāng)光伏組件運(yùn)行溫度發(fā)生變化時(shí)，短路電流ISC和開路電壓USC分別為：

式中：GT為硅基光伏電池工作時(shí)的光照強(qiáng)度，W/m2；GSTC為標(biāo)準(zhǔn)測(cè)試條件下的光照強(qiáng)度，W/m2，GSTC為 1 000 W/m2；TC為組件運(yùn)行溫度，℃；TSTC為標(biāo)準(zhǔn)測(cè)試條件下的電池溫度，℃，TSTC為 25 ℃；α為短路電流溫度系數(shù)，α通常由生產(chǎn)廠家提供；ISC_STC為標(biāo)準(zhǔn)測(cè)試條件下的硅基光伏電池短路電流；UOC_STC為標(biāo)準(zhǔn)測(cè)試條件下的硅基光伏電池開路電壓；β為開路電壓溫度系數(shù)；δ為太陽(yáng)輻射強(qiáng)度的校正因子；為只考慮組件運(yùn)行溫度是相應(yīng)電氣參數(shù)的系數(shù)，其中?；ηSTC為硅基光伏電池在標(biāo)準(zhǔn)測(cè)試條件下的發(fā)電效率；γ為輻照度系數(shù)；βref為參考狀態(tài)下的溫度系數(shù) ，K-1。

式(1)和式(2)說(shuō)明了短路電流和開路電壓在輻照度一定的條件下與組件運(yùn)行溫度之間的關(guān)系。從式(1)和式(2)可知：短路電流隨著組件運(yùn)行溫度有微小的增大；開路電壓則隨著運(yùn)行溫度的增大明顯減小。由于?，因此，隨溫度增高，硅基光伏電池的開路電壓顯著變小，短路電流微小變大，最終導(dǎo)致其效率隨著溫度升高而降低，如圖1所示，具體數(shù)值關(guān)系可以由式(3)進(jìn)行描述。式(1)—(3)描述了硅基光伏電池的相關(guān)電氣特性及其電氣參數(shù)受外部環(huán)境影響的變化規(guī)律，分析了組件運(yùn)行溫度通過(guò)影響短路電流和開路電壓，從而影響組件轉(zhuǎn)化效率的過(guò)程。各個(gè)公式中的參數(shù)和相關(guān)變量多由組件生產(chǎn)廠家給定或需要現(xiàn)場(chǎng)測(cè)試得到，且這些參數(shù)并不是固定不變的，光伏組件可能受到惡劣環(huán)境條件的影響導(dǎo)致性能退化、廠家生產(chǎn)工藝的差異、實(shí)際現(xiàn)場(chǎng)狀況以及施工條件的不同等因素的影響，導(dǎo)致相關(guān)參數(shù)畸變，同時(shí)由于光伏電站相關(guān)數(shù)據(jù)采集設(shè)備未有效及時(shí)配置，使得所需實(shí)際參數(shù)無(wú)法直接獲取，只能通過(guò)間接的方法得到，最終導(dǎo)致計(jì)算結(jié)果和實(shí)際值之間偏差較大。

圖1 硅基光伏電池的效率與溫度的關(guān)系Fig. 1 Relationship between efficiency and temperature of silicon-based PV cells

2 硅基光伏組件運(yùn)行溫度的計(jì)算及實(shí)證分析

2.1 硅基光伏組件運(yùn)行溫度計(jì)算模型

從第1節(jié)分析可知：短路電流隨著組件運(yùn)行溫度有較為微小的增大；開路電壓則隨著運(yùn)行溫度的增大明顯減??；光電轉(zhuǎn)化效率隨著溫度升高而降低。從光伏電池機(jī)制層面探究其原因主要是由于組件運(yùn)行溫度提高，熱激發(fā)態(tài)電子在半導(dǎo)體的電氣特性中開始占據(jù)主導(dǎo)地位，并且填充因子大幅度減小。在工程應(yīng)用上，考慮硅基光伏組件運(yùn)行溫度的光伏系統(tǒng)輸出功率PTc_r為

式中：βref為硅基光伏組件的溫度系數(shù)，對(duì)于硅基光伏組件，一般取0.004 K-1；Tc為硅基光伏組件運(yùn)行溫度，簡(jiǎn)單起見γ的值通?？梢栽O(shè)為0。相比于直接利用環(huán)境溫度來(lái)進(jìn)行光伏輸出功率的計(jì)算方法 P =ηrefGTA而言，此種方法考慮到了組件運(yùn)行溫度對(duì)于光伏電站輸出功率的影響，發(fā)電量計(jì)算結(jié)果有一定的提高。但是對(duì)于容量幾十MW的光伏電站，組件數(shù)量眾多，且空間覆蓋面積廣闊，為每一個(gè)組件或每一串組件安裝溫度采集器不現(xiàn)實(shí)，不僅成本劇增，而且信息維護(hù)困難。因此在實(shí)際環(huán)境條件下大型光伏電站組件運(yùn)行溫度是難以獲取的。

光伏發(fā)電機(jī)制建模主要是依據(jù)太陽(yáng)輻照度傳遞過(guò)程、光伏組件光電轉(zhuǎn)化方程、相關(guān)設(shè)備運(yùn)行方程、詳細(xì)的地理位置信息等，建模環(huán)節(jié)眾多，模型結(jié)構(gòu)復(fù)雜，參數(shù)求解困難。因此，對(duì)于大多數(shù)的機(jī)制模型來(lái)說(shuō)很難應(yīng)用于光伏組件在線溫度的計(jì)算。在實(shí)際應(yīng)用中，較為常用的光伏組件運(yùn)行溫度計(jì)算如式(5)所示，該公式建立了組件運(yùn)行溫度和環(huán)境溫度之間的關(guān)系：

式中：Ta為環(huán)境溫度；TNOCT為硅基光伏電池標(biāo)稱工作溫度，是指當(dāng)硅基光伏組件或硅基光伏電池處于開路狀態(tài)，并在一定條件下(硅基光伏電池表面光強(qiáng)強(qiáng)度為800 W/m2，環(huán)境溫度為20℃，風(fēng)速為1 m/s，支架結(jié)構(gòu)為后背面打開)所達(dá)到的溫度。

2.2 實(shí)證平臺(tái)的描述

為評(píng)價(jià)上述光伏組件運(yùn)行溫度計(jì)算方法的性能，搭建了光伏發(fā)電實(shí)證測(cè)試平臺(tái)進(jìn)行測(cè)試。圖2說(shuō)明了實(shí)證測(cè)試實(shí)驗(yàn)平臺(tái)的系統(tǒng)構(gòu)成方式以及溫度傳感器布置方式，圖3給出了實(shí)驗(yàn)平臺(tái)氣象數(shù)據(jù)采集以及溫度測(cè)量設(shè)備，可以采集外部環(huán)境參數(shù)以及組件運(yùn)行溫度等數(shù)據(jù)，每塊組件按照?qǐng)D 2布置方式設(shè)置 5個(gè)溫度傳感器，型號(hào)為PT100，文中的分析過(guò)程取各溫度測(cè)點(diǎn)的平均值。

2.3 實(shí)證分析

為說(shuō)明上述經(jīng)驗(yàn)公式方法的性能，將實(shí)證測(cè)試平臺(tái)的實(shí)測(cè)傾斜面太陽(yáng)輻照度和環(huán)境溫度作為輸入，基于經(jīng)驗(yàn)公式(5)可以計(jì)算出相應(yīng)的組件運(yùn)行溫度。由于光伏組件運(yùn)行溫度在不同季節(jié)條件下存在較大的差異，因此針對(duì)各典型季節(jié)分別展開了計(jì)算分析，相應(yīng)的組件運(yùn)行溫度計(jì)算結(jié)果如圖4所示。從圖4可以看出，實(shí)際組件運(yùn)行溫度明顯高于環(huán)境溫度，而由經(jīng)驗(yàn)公式(5)所得到的運(yùn)行溫度計(jì)算值則介于二者之間；且組件運(yùn)行溫度隨季節(jié)狀況變化明顯。

圖2 實(shí)證測(cè)試系統(tǒng)結(jié)構(gòu)示意圖Fig. 2 Structure schematic diagram of experimental test system

圖3 實(shí)證平臺(tái)氣象數(shù)據(jù)采集及溫度測(cè)量設(shè)備Fig. 3 Meteorological data acquisition and temperature measurement equipment of empirical platform

圖4 典型季節(jié)條件下硅基光伏組件運(yùn)行溫度計(jì)算分析Fig. 4 Calculation and analysis for operating temperature of silicon-based PV modules under typical seasonal condition

以上分析僅為定性的結(jié)果，為量化評(píng)價(jià)光伏組件運(yùn)行溫度計(jì)算模型的性能，本文分別選擇最大誤差εMaxError、標(biāo)準(zhǔn)差εSTD、均方根誤差εRMSE、平均絕對(duì)誤差εMAE等指標(biāo)對(duì)組件運(yùn)行溫度計(jì)算結(jié)果進(jìn)行評(píng)價(jià)，相應(yīng)指標(biāo)計(jì)算公式為：

式中：Tc_r,i為電站實(shí)際運(yùn)行狀況下組件運(yùn)行溫度；Tc_C,i為經(jīng)驗(yàn)公式(5)下的組件運(yùn)行溫度計(jì)算值；Tc_mean為組件運(yùn)行溫度計(jì)算值的算數(shù)平均值；n為樣本數(shù)量。同理，引入環(huán)境溫度和光伏組件運(yùn)行溫度之間的誤差用于經(jīng)驗(yàn)計(jì)算的對(duì)比分析。量化的分析結(jié)果見表1。

通過(guò)圖4和表1可以得到如下結(jié)論：組件運(yùn)行溫度受到季節(jié)狀況的影響，不同季節(jié)條件下組件運(yùn)行溫度差距較大；環(huán)境溫度和組件實(shí)際運(yùn)行溫度之間差距較大，在進(jìn)行發(fā)電量的計(jì)算中組件運(yùn)行溫度和環(huán)境溫度之間不具有互換性，僅以環(huán)境溫度代替組件運(yùn)行溫度得到的發(fā)電量結(jié)果偏差較為明顯；經(jīng)驗(yàn)公式計(jì)算得到的組件運(yùn)行溫度相比于環(huán)境溫度來(lái)說(shuō)更加接近于組件運(yùn)行溫度，但是其僅僅能夠描述組件運(yùn)行溫度的變化趨勢(shì)，存在較大誤差；同時(shí)，面對(duì)復(fù)雜的外部環(huán)境狀況以及隨著電站服役時(shí)間越久，光伏系統(tǒng)自身性能退化越來(lái)越嚴(yán)重，其發(fā)電量和輻照量、組件運(yùn)行溫度的關(guān)系并不是一成不變的。因此，隨著時(shí)間和運(yùn)行狀況的改變，利用經(jīng)驗(yàn)公式來(lái)實(shí)現(xiàn)光伏組件運(yùn)行溫度的精確計(jì)算是不可行的，需要找到一種具有自學(xué)習(xí)能力，可以面對(duì)以上復(fù)雜的狀況，同時(shí)計(jì)算精度高的方法。

表1 在典型季節(jié)條件下硅基光伏組件運(yùn)行溫度的計(jì)算誤差分析Tab. 1 Error analysis about calculation for the operating temperature of silicon-based PV modules in typical seasons ℃

表2 多層BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)配置列表Tab. 2 Parameters configuration list of multi-layer BP-ANN model

圖5 光伏組件運(yùn)行溫度計(jì)算多層BP-神經(jīng)網(wǎng)絡(luò)模型Fig. 5 Multi-layer BP-ANN model for operating temperature calculation of PV module

3 基于多層BP神經(jīng)網(wǎng)絡(luò)的硅基光伏組件運(yùn)行溫度計(jì)算方法

BP神經(jīng)網(wǎng)絡(luò)是使用最為普遍的神經(jīng)網(wǎng)絡(luò)算法，能夠?qū)W習(xí)和存儲(chǔ)大量的輸入-輸出之間的映射關(guān)系，它的最終目標(biāo)則是通過(guò)反向傳播誤差不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使得誤差的平方和最小[19]。由第2節(jié)分析可知，由于機(jī)制建模所涉及的建模環(huán)節(jié)眾多，模型結(jié)構(gòu)復(fù)雜，參數(shù)求解困難，并且各個(gè)環(huán)節(jié)所涉及的模型變量和參數(shù)不易獲得，因此，很難應(yīng)用于光伏組件在線溫度的計(jì)算。針對(duì)BP神經(jīng)網(wǎng)絡(luò)，多層結(jié)構(gòu)的網(wǎng)絡(luò)相比單層的結(jié)構(gòu)泛化能力更強(qiáng)，擬合非線性的能力增加，誤差更小[20-21]。因此本文采用多層BP神經(jīng)網(wǎng)絡(luò)方法來(lái)建立光伏組件運(yùn)行溫度的計(jì)算模型，構(gòu)建一個(gè) 5層 BP神經(jīng)網(wǎng)絡(luò)模型，選擇太陽(yáng)輻照強(qiáng)度，環(huán)境溫度、光伏系統(tǒng)輸出功率作為5層BP神經(jīng)網(wǎng)絡(luò)模型輸入變量，同時(shí)選擇硅基光伏組件運(yùn)行溫度作為多層BP神經(jīng)網(wǎng)絡(luò)模型的輸出變量。

由于風(fēng)速的大小與組件散熱有關(guān)，會(huì)影響光伏組件的運(yùn)行溫度，在這里將風(fēng)速作為一種可選擇的模型輸入變量?；诙鄬?BP神經(jīng)網(wǎng)絡(luò)的硅基光伏組件運(yùn)行溫度模型參數(shù)配置見表2。

按照表2模型參數(shù)配置表來(lái)建立多層BP神經(jīng)網(wǎng)絡(luò)的光伏組件運(yùn)行溫度計(jì)算模型，如圖5所示。通常情況下，神經(jīng)網(wǎng)絡(luò)的應(yīng)用主要包括3個(gè)步驟：采集訓(xùn)練樣本、訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)、測(cè)試網(wǎng)絡(luò)。本文設(shè)計(jì)的光伏組件運(yùn)行溫度在線軟測(cè)量方法采用的是離線訓(xùn)練神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練好的模型在線計(jì)算組件運(yùn)行溫度。即根據(jù)實(shí)驗(yàn)平臺(tái)大量樣本數(shù)據(jù)，在Matlab平臺(tái)上訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到最佳的網(wǎng)絡(luò)權(quán)值、閾值以及訓(xùn)練函數(shù)等其他參數(shù)，最后基于神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)光伏組件運(yùn)行溫度的在線軟測(cè)量。

所設(shè)計(jì)的 5層神經(jīng)網(wǎng)絡(luò)隱含層函數(shù)依次為tansig函數(shù)，tansig函數(shù)以及purelin函數(shù)；輸出層函數(shù)采用traingd函數(shù)；訓(xùn)練次數(shù)設(shè)置為5 000次，訓(xùn)練精度設(shè)置為 0.001。按照以上參數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)得到所需的各連接權(quán)值和閾值，依據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)就可以編寫程序，實(shí)現(xiàn)組件運(yùn)行溫度的在線計(jì)算，相應(yīng)的在線計(jì)算流程如圖6所示。

圖6 光伏組件運(yùn)行溫度在線計(jì)算流程圖Fig. 6 Flow chart for operating temperature online calculation of PV module

4 結(jié)果和討論

由于 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練依賴樣本數(shù)據(jù)的大小，為了明確訓(xùn)練數(shù)據(jù)集大小對(duì)于所提模型精度的影響，選取不同數(shù)據(jù)集大小的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，見表3。將光伏實(shí)證平臺(tái)2016年全年的歷史運(yùn)行數(shù)據(jù)按照不同時(shí)間尺度樣本數(shù)據(jù)(7天、15天、1月、3月、6月、1年)各分成6組進(jìn)行統(tǒng)計(jì)分析，其中80%的數(shù)據(jù)用于訓(xùn)練，剩余20%的數(shù)據(jù)用于測(cè)試。

利用表2參數(shù)來(lái)建立基于多層BP神經(jīng)網(wǎng)絡(luò)的硅基光伏組件運(yùn)行溫度計(jì)算模型。為了探究風(fēng)速對(duì)于光伏組件運(yùn)行溫度的建模是否存在影響，實(shí)驗(yàn)設(shè)計(jì)中將所建立模型分為2組來(lái)對(duì)比分析風(fēng)速的影響。

由表3可知：

1）所提多層BP神經(jīng)網(wǎng)絡(luò)模型的計(jì)算誤差隨著訓(xùn)練樣本的增大而逐漸減??；相反，模型的訓(xùn)練時(shí)間隨著樣本的增大而逐漸增加，有明顯的變化趨勢(shì)。

表3 多層BP-神經(jīng)網(wǎng)絡(luò)建模結(jié)果(有/無(wú)風(fēng)速)Tab. 3 Modeling results of multi-layer BP-ANN(w/or w/o wind speed)

2）風(fēng)速對(duì)于提高組件運(yùn)行溫度模型的計(jì)算精度是有幫助的，因此，在條件允許的情況下，組件運(yùn)行溫度的模型計(jì)算中應(yīng)考慮風(fēng)速的影響。

因此，為了保證模型的精度要求，本文選擇一年的樣本數(shù)據(jù)用于模型的訓(xùn)練，同時(shí)神經(jīng)網(wǎng)絡(luò)模型采用離線的方式訓(xùn)練得到。表3和表4分別統(tǒng)計(jì)了不同樣本大小條件下模型訓(xùn)練時(shí)間和不同天測(cè)試數(shù)據(jù)的在線計(jì)算時(shí)間，論文方法在線計(jì)算時(shí)間耗時(shí)在ms級(jí)別，滿足實(shí)時(shí)在線計(jì)算的要求。

為了驗(yàn)證所提多層BP神經(jīng)網(wǎng)絡(luò)運(yùn)行溫度模型的準(zhǔn)確性和普遍適應(yīng)性，以及是否滿足在線計(jì)算的時(shí)間要求，選擇2016年9月30日—2016年10月3日連續(xù)4天實(shí)測(cè)電站運(yùn)行數(shù)據(jù)，對(duì)光伏組件運(yùn)行溫度的在線計(jì)算結(jié)果進(jìn)行分析。從計(jì)算時(shí)間來(lái)看，本文所提方法在線計(jì)算的時(shí)間耗時(shí)在ms級(jí)別，滿足實(shí)時(shí)在線計(jì)算的要求。圖7展示了所提多層BP神經(jīng)網(wǎng)絡(luò)運(yùn)行溫度模型和前述經(jīng)驗(yàn)公式(5)的建模結(jié)果。誤差的計(jì)算結(jié)果如表4和圖8所示?？梢钥闯?，經(jīng)驗(yàn)公式所得結(jié)果具有較大的誤差，本文所提的基于多層BP神經(jīng)網(wǎng)絡(luò)的組件溫度計(jì)算方法具有較好的性能，精度較高。

5 結(jié)論

在實(shí)際應(yīng)用中采用機(jī)制模型進(jìn)行光伏組件溫度的計(jì)算不僅相關(guān)模型參數(shù)難以獲取，計(jì)算過(guò)程復(fù)雜，而且具有較大的誤差。同時(shí)為了尋求更加有效、計(jì)算簡(jiǎn)單、且泛化能力強(qiáng)的方法來(lái)計(jì)算組件運(yùn)行溫度。因此，在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，本文提出了基于多層 BP神經(jīng)網(wǎng)絡(luò)組件運(yùn)行溫度的計(jì)算方法。通過(guò)本論文分析能夠得到如下結(jié)論：

1）基于多層BP神經(jīng)網(wǎng)絡(luò)的組件運(yùn)行溫度計(jì)算方法對(duì)非線性對(duì)象具有較強(qiáng)自學(xué)習(xí)能力，模型泛化能力較強(qiáng)，且歷史訓(xùn)練數(shù)據(jù)中已經(jīng)包括了光伏電站自身特征的歷史信息，能夠適應(yīng)電站的動(dòng)態(tài)變化特性；

2）本文提出光伏組件運(yùn)行溫度計(jì)算方法能夠利用現(xiàn)有可測(cè)量參數(shù)，實(shí)現(xiàn)光伏組件運(yùn)行溫度的在線軟測(cè)量，進(jìn)而代替溫度傳感器測(cè)量；

3）針對(duì)大型光伏電站，本文所提方法能夠在線監(jiān)控各部分組件的運(yùn)行溫度情況，從而可以得到更加精確的發(fā)電量計(jì)算結(jié)果。

4）采用經(jīng)驗(yàn)公式計(jì)算得到的組件運(yùn)行溫度誤差較大，對(duì)比于機(jī)制模型復(fù)雜的計(jì)算過(guò)程，本文所提方法簡(jiǎn)單高效，且具有更高的計(jì)算精度，同時(shí)本文方法計(jì)算耗時(shí)滿足在線計(jì)算的要求，可以應(yīng)用于實(shí)際工程。

表4 誤差分析Tab. 4 Error analysis

圖7 硅基光伏組件運(yùn)行溫度計(jì)算結(jié)果Fig. 7 Calculation results of operating temperature of silicon-based PV modules

圖8 硅基光伏組件運(yùn)行溫度誤差分析Fig. 8 Error analysis of silicon-based PV module operating temperature