功率输出故障范文（精选7篇）
功率输出故障 第1篇
关键词：短波发射机,输出功率,故障分析
近年来, 短波发射机被广泛应用于电子信息通讯中, 尤其是广播电视信号传输方面有着极好的表现效果, 所以国内相关人员对此高度关注。短波发射机运用时往往外界影响因素诸多, 同时自身发射机功率也存在问题。短波发射机通讯时数据传输效率的提升, 信号传输质量的重要性, 对短波发射机运作水平有着极大现实意义。
1 短波发射机概述
1.1 基本内容分析
短波发射机体积小且操作简单, 目前诸多广播信号通信均使用了短波发射机以进行通信。国内短波发射机技术现已较成熟, 尤其是诸多复杂工作环境下均可使用, 也获得了较好的成果, 这对国内各大领域可持续发展奠定了基础。不过关于短波发射机功率控制方面仍旧存在各方面问题, 所以针对相关问题而采取措施以处理各方面问题非常重要。
1.2 短波发射器工作原理
短波发射机是通过激励器及接口电路和开关电源等器件构成, 结构较为简单且操作容易。激励器则是短波发射机的源头, 运用激励器产生的频率来调节信号, 同时运用所调制的信号发射于下个功放单位处, 再施以方法处理, 这时则就形成了完整的信号传输。开关电源则提供电力为发射机, 这也可有效保护短波发射机, 若是短波发射机工作时温度太高, 或者是电压太高则开关电源及时显示预警信息, 从而避免短波发射机运行中发生故障导致不可挽回的后果。短波发射机功率影响因素诸多, 有开关状态下的电路检测对短波发射机功率造成的影响, 或者是栅极电阻影响到短波发射机功率, 再者就是短波多频点发射机因天线电压驻波比提升而引发的各方面问题。本文着眼于短波多频点发射机因天线电压驻波比提升而出现的无输出功率故障进行具体分析。
2 故障具体现象分析
短波多频点发射机往往会因为天线电压驻波比提升而出现各方面问题, 极易导致发射机功率放大板功放管烧坏, 功率保护板电压采样电容烧坏, 电流采样线圈及阻抗匹配电路电容烧坏等问题。经过技术人员多方面观察和分析得出, 引发此类故障主要因素则是天线电压驻波比太大, 导致电路工作电流提升, 长时间下来则导致发射机存在整机无输出功率故障, 具体问题是短波发射机中功率保护板电压取样电容和阻抗匹配电路电容均呈现被烧状态。
电流感应线圈上的绝缘漆包线同时被烧, 这表明电路板中各器件运作时温度高, 并且其间过电流大, 从而导致各器件被烧。更换新的器件之后则功放保护板可正常运作。检查250W功放板且按照发射机说明资料, 得知发射机功放板均是采用晶体三极管组成, 其间有16只功放输出2k W功率, 管子之间所存在的参数差异导致功放部分有1/2只平衡电阻出现部分发热的现象, 判断其是否正常则用手触摸相关平衡电阻温度, 若是温度微弱则管子不平衡问题不严重, 可正常运作。若是温度升为42度以上则表明此路功放三极管早已被烧, 应及时予以更换。通过详细检查则发现1/2的平衡电阻温度正常无误, 采用万用表电流档测250W功放板电路静态电流, 结果显示大约都在70m A, 这表示正常。继续检测100W功放板工作正45V电压显示正常, 不过其电路并无工作电流。之后则主要检测100W功放板功放三极管都被烧。导致功放三极管被烧主要是由于此管工作电流大, 从而导致相应管基极和发射级出现烧开路。集电极和基极被烧击穿。
更换相关器件之后, 开机亦无输出功率, 则继续检查静噪板, 显示某个三极管发射极和集电极被击穿, 导致正45V基极不受控制且直接经过发射极和集电极至功放板。再检查稳压块脚均有5V电压, 继续检查其附近外围电路, 测量稳压二极管则其电压并没有10V稳压, 这显示稳压二极管被损坏, 则及时更换三极管及二极管, 促使静噪板正常运转, 这时则发射机输出功率正常。
也有一类发射机无功输出功率故障是发射机电流表有对应知识, 但是功率表却无对应指示。通过检查发现带通滤波器某路滤波输入控制继电器控制节点长期控制跳变, 因为过电流大而引起触点拉弧粘连。让此触点处于接通状况下则不能把该路滤波器真正切断, 此路带通滤波器一直和其余带通滤波器导通而展开滤波工作, 从而导致其余带通滤波器不可正常输出对应频率输出功率, 因此功率表未指示。及时更换继电器则发射机输出功率恢复正常。
3 结束语
国内短波发射机性能及运行稳定性比进口发射机偏差, 不过国产发射机发展趋向及原理和进口发射机均是一致的, 所以随着国内自动控制及计算机和电子制造等各方面技术应用水平的提升, 则国内短波发射机也正在持续健全和完善。短波发射机运用中影响其功率的因素诸多, 本文就短波发射机为主要分析对象, 深层分析了其无输出功率故障诱因, 同时提出实用性应对策略, 以期提升国内短波发射机无输出功率故障处理水平。
参考文献
[1]陈飞.DF100A短波发射机的频率合成器设计与实现[D].安徽大学, 2014.
[2]普布扎西马国平.TBH-522短波发射机监测系统设计方案[J].电子技术与软件工程.2014 (06) :149-150.
[3]林宽胜.大功率广播短波发射机安全保护技术探讨[J].数字技术与应用, 2015 (08) :226.
[4]王佑兴, 孙林毕.短波发射机固态功率前级电路探索[J].内蒙古广播与电视技术, 2013 (04) :52-55.
[5]宁剑功.短波发射机维护中的安全防护措施分析[J].黑龙江科技信息, 2015 (23) :53.
功率输出故障 第2篇
本文介绍了一次主机柴油机故障现象及排除该故障的经过, 能够作为船用柴油机管理的典型案例, 对于在一般柴油机管理具有一定的指导意义。
1 故障现象及经过
1.1 故障现象
在航行状态下, 主机转速接近600 rpm时, 排气温度达到最高允许温度580℃ (该主机为8L20/27型四冲程柴油机, 额定转速为1000rpm) , 且排气烟色浓黑。
1.2 故障经过
某船在航行途中, 推进器被渔网缠绕, 轮机值更员发现柴油主机负荷突增, 排气总管温度过高, 增压器前排气温度超过580℃允许极限值, 主机出现敲缸声。考虑到在当时风浪较大的海况下停机清除缠绕物没有安全保障, 该船采取降速措施, 继续航行约20小时到达目的港后, 清除推进器缠绕物, 之后进行码头系泊试车时, 发现主机空车时 (试验转速从420至980rpm) , 运转基本正常, 排气烟色正常, 但带浆运行时, 当转速逐渐增加至480rpm时, 总管排气温度达到580℃, 排气烟色持续浓黑且排气压力明显不足。进行海上试航时, 当主机转速接近600rpm时, 总管排气温度达到580℃, 排气烟色浓黑且排气压力不足。再增加柴油机供油量, 转速增加不明显, 柴油机不能达到应有的转速, 输出功率也明显不足。
2 故障分析与排除
该柴油带浆工作达不到应有的转速, 且排气冒黑烟, 可见, 柴油在气缸内燃烧条件变差, 燃烧不完善。造成这种情况的因素, 除了超负荷外, 通常主要有两大方面:进排气系统方面的原因和燃油系统方面的原因。由于推进器的缠绕物已清除且主机盘车检查并无异常, 潜水员在清除推进器的缠绕物的同时, 也检查了舷外水线下船体情况, 海生附着物在船壳上滋生并不严重, 由此可推断, 柴油机的故障现象不是由超负荷引起的。为此, 应重点从燃油系统及进排气系统方面进行检查。
2.1 燃油系统
2.1.1 在带负荷情况下检查各缸供油量:
在系泊转速为480rpm及航行状态下转速为600rpm时, 各缸排气温度相差不大, 爆炸压力相差也不明显, 从检爆阀查看燃烧情况, 都有一定程度的燃烧不完善情况。各缸供油量直观上相差不明显。
2.1.2 检查供油提前角, 发现八个缸全部在正常范围之内。
2.1.3 拆检全部八个缸喷油器, 在喷油器试验台上检查, 喷油器状态正常, 没有发现喷咀有滴油或雾化不良现象。
从上面几个检查内容来分析, 初步判断, 燃油系统方面的因素不是柴油机故障的决定性因素。
2.2 进排气系统
2.2.1 检查增压器吸气滤网, 比较清洁。
2.2.2 拆检中冷器, 没有脏堵现象。冷却水系统工作也正常。
2.2.3 检查增压器。
试车时, 无异常振动及声响;停车拆检, 发现废气涡轮喷咀处积碳不多, 盘动增压器转子, 运转平稳, 惯性正常, 无异常卡滞感。
2.2.4 考虑到柴油机曾在推进器被渔网缠绕且大风浪航行
的情况下工作了近20小时, 在这种极易超负荷的工况下运行, 容易对燃烧室组件产生不利的影响, 组织轮机人员对主机再进行一次试车, 经反复检查, 发现第三缸存在疑似气阀漏气的声音。经拆缸盖检查, 发现该缸排气阀座有烧痕。
更换该缸排气阀座并研磨达到密封要求后, 回装气缸盖, 试车, 主机恢复正常。
3 一点体会
通常, 多缸柴油机如果仅有一个缸燃烧不良, 会造成柴油机排气冒黑烟, 但冒黑烟一般是周期性的 (四冲程柴油机通常每转两圈会出现一次冒黑烟) , 整台柴油机的输出功率会有一定程度的下降, 但不应出现像本案例中的输出功率大幅下降。在本故障案例中, 由于柴油机第三缸排气阀关不严, 除了引起该缸进气不足、排气不尽、压缩压力不足, 燃烧不良从而导致单缸输出功率不足之外, 更关键的是, 由于该缸不按配气定时的排气漏泄, 干扰了其它气缸的正常排气, 对增压器的运行也造成了干扰, 致使增压器吸入新鲜空气量减少, 从而影响到其它各缸的进气量, 造成整机燃烧不良, 导致整机的性能大幅下降。在外观上也就出现了带负荷工作时大量持续的排气冒黑烟、各缸都出现燃烧不良的情况。
对于柴油机空车运行时外观基本正常的原因, 笔者认为, 在空车运行时, 由于负荷轻, 供油量小, 气缸内压力小, 因而第三缸漏泄也相对较轻, 对其它缸的影响出相对较小, 所以主机能加速到较高转速, 排气烟色也基本正常。
高频手术设备输出功率测试 第3篇
高频手术设备的输出功率是高频手术设备检测中的重要参数之一,输出功率的准确性关乎手术的成败及病人的愈后效果,使用中不可盲目增大电刀的输出功率,以刚好保证手术效果为限。本文旨在对高频手术设备输出功率的检测方法进行研究,以保证临床使用安全。
1 工作原理
高频手术设备是通过有效电极尖端产生的高频高压电流与肌体接触时对组织进行加热,实现对肌体组织的分离和凝固,从而起到切割和止血的目的。根据医用物理学的原理,当高频电流通过人体组织时,由于每一振荡的电脉冲时间极短,离子很难引起迁移,仅仅在富有粘滞性的体液中振动,因摩擦而生热。高频电刀就是利用高频电流通过肌体的这种“集肤效应”原理而研制的。高频电刀切割时高频电流只经人体皮肤流动,而不会流过人体内脏器官,并利用刀头高密度电流产生的高频电火花将表面组织快速融化,电极下的组织分裂成一个不出血的、窄而平坦的、深几毫米的切口,而且还可以使血管中的血液凝固到一定的深度,代替结扎完成切口止血工作[1]。
高频手术设备由主机和电极(电刀笔、敷肌板)两部分组成。主机由振荡器、调制器、功率放大器、单片机控制等电路组成。振荡器频率一般采用500 k Hz正弦波,调制频率采用25 k Hz方波,有25%~50% 的占空比。功率放大器采用VMOS场效应功率管,由单片机控制输出功率的大小,并有按键选择及数码管显示输出功率的大小,具有安全保护功能[2]。高频手术设备工作原理,见图1。
2 要求标准
大部分高频手术设备允许使用者控制输出功率,以作为手术效应深度和速度的控制手段。输出电压和电流可随功率设定和高频手术设备所加负载而改变。
高频手术设备的输出功率的测试项目和要求依据:GB9706.4-2009《医用电气设备第2-2 部分:高频手术设备安全专用要求》。要求规定了对于超过额定输出功率的10% 的输出功率,作为负载电阻和输出控制设定函数的实际输出功率,与所规定的输出功率图示值偏差不应超出 ±20%[3]。
3 检测方法
3.1 单极测试
高频手术设备的输出功率的单极测试要求在100、200、500、1000、2000 Ω 额定负载或至少有5 个特定负载电阻上进行,测量值作为输出控制设定函数的输出功率。要求使用与高频手术设备提供的手术附件和中性电极,或者使用3 m长绝缘导线来连接负载电阻[4]。测试布局,见图2。
注:①网电源;②绝缘材料制作的台板;③高频手术设备;④手术电极;⑤中性电极(金属或与金属箔接触的同尺寸金属);⑨接地的导电平面;负载电阻,可带高频功率测量装置。
3.2 双极测试
双极高频手术模式的测试要求在10、50、200、500、1000 Ω 额定负载或至少5 个特定负载电阻值上进行,测量值作为输出控制设定函数的输出功率。要求使用与高频手术设备一起提供的双极电极电缆,或者使用额定电压≥ 600 V的3 m长双导体绝缘电缆来连接负载电阻[4]。测试布局,见图3。
注:①网电源;②绝缘材料制作的台板;③高频手术设备;⑨接地的导电平面;⑩启动的双极电极;11负载电阻,可带高频功率测量装置。
4 输出功率的测试
4.1 被测设备
被测高频手术设备工作频率为450 k Hz,包括单极模式和双极模式。单极模式包括纯切、混切、电灼、电凝,每种模式又分为全设定和半设定[5,6]。纯切全设定、半设定和双极电凝全设定、半设定功率曲线图,见图4。
注:深色线为全设定,浅色线为半设定。
4.2 测试电路连接方法
检测工具选用美国Fluke公司的QA-ES型高频电刀质量检测仪,对高频手术设备进行性能评估和质量控制[7]。环境温度要求在15~35 ℃,相对湿度≤ 80%,大气压力86~106 k Pa。测试电路连接[8],见图5。
单极纯切模式:额定功率为300 W,额定负载为300 Ω ;双极电凝模式:额定功率为70 W,额定负载为100 Ω。测试结果见表1。
由表1 可以计算得出,单极模式实测值与图示值误差为14.0%,双极模式实测值与图示值误差为14.8%,误差值均未超过20%,符合GB9706.4-2009 标准要求。
在这里需要注意的有两点:① 测试时如果需要指揿开关操作,可用≤ 100 mm的绝缘跨接线来进行模拟启动;② 本试验不仅考察超过额定功率10% 的功率值,超过额定功率-10% 的功率值也在考察范围内。
5 测试环境对测试结果的影响
高频手术设备的检测通常是在常温、常湿无干扰的条件下进行的,测试环境对测试结果的准确性有一定影响。为了考察测试环境对测试结果的影响,本文模拟了温湿度,振动干扰和电磁干扰环境。被试高频手术设备输出功率分别设定为9、57、101、186、263 W(此数据从表1 测试数据中选取)。
5.1 温湿度模拟环境
为了考察温湿度对高频手术设备输出功率的影响,本文模拟了3 种温湿度条件,分别为低温常湿条件:5 ℃,48% ;高温常湿条件:40 ℃,48% ;湿热条件:40 ℃,(80±3)%。试验发现在5 个功率值下,温湿度对结果的影响都不大,与正常温度25 ℃,湿度48% 的试验结果相比,误差接近0。
5.2 振动干扰模拟环境
在距离高频手术设备0.5 m处放置一台振动仪,模拟GB14710-2009 中环境试验Ⅰ组的环境条件,频率循环范围在5~20~5 Hz,振幅值为0.15 mm,扫描循环次数10 次,扫描速率≤ 1 倍频程/min ;模拟环境试验Ⅱ组的环境条件,频率循环范围在5~35~5 Hz,振幅值0.35 mm,扫描循环次数15 次,扫描速率≤ 1 倍频程/min,观察高频手术设备检测仪上的读数值变化情况,并作好记录。结果,Ⅱ组的测试结果误差> Ⅰ组测试结果误差。
5.3 电磁干扰模拟环境
高频手术设备为大功率电器,单极输出功率在300 W以上,启动瞬间功率则更大。当其与其他医用电气设备尤其是监护仪同时使用时,电刀产生较强的电磁辐射。由于电磁感应,监测仪传感器及主机因感应信号的产生而致传感器处理误差,控制系统失灵,计算机工作紊乱。因此,用高频手术设备作为电磁干扰源也是一个不错的选择。
由于实验室条件有限, 本文采用手机(iphone4)、WIFI信号、射频信号源,高频手术设备作为干扰源。在距离被试设备0.5 m处分别放置干扰源,其中高频手术设备(工作频率为470 k Hz,输出功率设定为10 W),射频信号源(频率设定为200 k Hz,功率10 W)。对4 种干扰源进行比较,干扰由强到弱依次为高频手术设备、射频信号源、手机、WIFI信号。这就不难想象为什么高频手术设备被称为手术室中的干扰大户了,它不仅对其他设备有干扰,对同类设备也有不小的影响。
5.4 测试结果的比较
不同干扰对测试结果的影响,见图6(图中振动测试条件为Ⅱ组,电磁干扰源为高频手术设备,工作频率470 k Hz,输出功率10 W)。由于温湿度对测试结果基本无影响,图中仅对无干扰、振动干扰、电磁干扰进行比较。从图中可以明显的看出,不同的测试环境直接影响到测试结果的准确性。振动干扰对测试结果影响小一些,但电磁干扰影响非常大,会导致出现错误的检验结论。
注:a线为电磁干扰,b线为振动干扰,c线为无干扰。
在检测过程中会遇到各种各样的干扰,本文只模拟了3 种状态,温湿度、振动干扰和电磁干扰。GB9706.4-2009《医用电气设备第2-2 部分:高频手术设备安全专用要求》中对输出功率的检测方法有明确的规定,但对测试环境并没有要求。电磁干扰是所有干扰中最常见的,本文仅模拟了小功率信号的电磁干扰,在以后的研究中,还要考察大功率信号对高频手术设备输出功率的影响。随着科技的不断发展,医疗器械的新产品不断涌现出来,随之带来了更多的干扰种类,有的我们现在还没有发现。在实际应用中要尽量避免环境存在的各种干扰,保证检测结果的可靠性。
参考文献
[1]李志刚,刑帅.医用高频电刀的工作原理及使用安全[J].哈尔滨医药,2010,30(4):59.
[2]张红远,张祖进,李辉,等.浅谈高频电刀原理及及其安全防护[J].医疗卫生装备,2009,30(1):105-106.
[3]GB 9706,4-2009/IEC 60601-2-4:2006,医用电气设备第2-2部分:高频手术设备安全专用要求[S].北京:中国标准出版社,2009.
[4]赵鹏,李长兴,赵正男,等.电刀质量控制疑难点解析[J].中国医疗设备,2014,29(6):88-90.
[5]熊钰忠.医用高频电刀的性能测试与质量控制[D].南昌:南昌大学,2012.
[6]王尧君.高频电刀功率检测系统的研制[D].衡阳市:南华大学,2013.
[7]何敏,方伟,宁博.高频电刀的质量控制及其检测方法[J].中国医疗设备,2013,28(11):59-60.
光伏逆变器功率输出特性研究 第4篇
太阳能是地球上最丰富的能源, 其受地域限制较小, 几乎可以在地球上任一个地区使用。我国的太阳能资源十分丰富, 每年陆地接收的太阳辐射总量大约是1.9×1015kW·h, 相当于2.4万亿t标准煤的能量, 具备开发光伏发电的良好资源条件。在我国, 有2/3的国土面积年日照小时数在2200h以上[1]。近年来, 我国并网太阳能发电呈现跨越式发展, 截至2012年底, 我国并网光伏发电装机容量已近800万kW, 在青海形成了百万千瓦级光伏发电基地。根据国家新能源发展规划, 到2015年, 我国并网光伏发电容量将达到3500万kW。随着光伏发电站数量和规模的不断加大, 光伏发电本身所特有的季节、昼夜的功率输出波动性对电网安全稳定运行带来了一定的影响, 主要表现在光伏发电站并网后的系统继电保护、安全稳定控制、电能质量、电网调频与调压和经济运行等方面。因此, 有必要深入研究光伏发电的功率输出与控制特性, 提高光伏发电的可预测性与可控性。而作为光伏发电系统的核心部件———光伏逆变器, 其控制机理和功率输出特性直接影响到整个光伏发电系统电能的输出特性。
1光伏逆变器的典型物理结构
根据是否包含直流变换器, 逆变器可以分为单级式和多级式[2], 如图1所示。单级式光伏并网逆变器直接与光伏方阵相连, 中间有直流电容作为能量缓冲单元;双级式光伏逆变器是级联型结构, 光伏方阵的输出电压经过一级直流Boost升压电路后再连接逆变器, 直流变换器同时实现升压和最大功率追踪功能。根据是否包含隔离变压器, 逆变器又可以分为隔离型逆变器和非隔离型逆变器。
2光伏逆变器的功率输出特性
2.1有功功率输出特性
逆变器的有功出力特性主要与气象环境、最大功率跟踪控制策略及电站级有功指令有关[3]。逆变器将光伏方阵的直流电能逆变成交流电能, 考虑到开关损耗, 因此其输出功率必然小于光伏方阵的输出功率。而光伏方阵的输出功率主要由辐照度、温度及直流电压决定。通过采用最大功率跟踪 (MPPT) 可以调整直流电压, 使逆变器的输出功率最大化, 但仍然小于当前气象环境下的光伏方阵所能产生的最大功率。根据系统频率和电网调度指令等, 电站级控制器将对逆变器的有功功率进行限幅[4]。如图2所示。
2.2无功功率输出特性
不考虑光伏发电站的无功补偿装置作用, 光伏发电的无功出力能力主要由光伏逆变器决定。在根据光伏逆变器的并网原理得到逆变器无功出力特性的基础上, 光伏发电站的无功出力特性为站内所包含逆变器的无功出力能力叠加得到。在已知有功出力的情况下, 无功出力主要受所设计的逆变器开关管容量的限制。其次, 即使在逆变器容量足够大的情况下, 还受传输线路、电网电压、电网调度指令等因素的限制。
参考图3, 光伏发电系统注入交流系统的有功、无功可以表示为:
式中, Pgen、Qgen为逆变器输出的有功、无功功率;Ub、Uterm为逆变器桥臂电压和交流侧输出电压;xL为桥臂电抗;δ为电压相角差。
则:
上述变量计算时, 单位均取标幺值。
而Pgen在0~Pmax之间变化, 光伏发电系统的实际工作区域如图4中阴影区域所示。
所能发出的无功上下限为:
在实际的逆变器中, 由于xL较小, 因此图4中圆的半径r很大, 而实践中受光伏逆变器容量Sgen (即视在功率) 的限制, 因此实际的无功功率极限范围小于图中的阴影部分。
3结语
研究表明:光伏逆变器作为光伏发电系统的核心部件, 在进行电能转换的同时, 也可以提供一部分无功调节容量。在实际运行时, 应充分考虑和利用这部分无功调节能力, 并提高有功功率的可控性, 最终实现光伏发电友好接入电网。
摘要：从光伏逆变器的物理结构和控制机理入手, 研究分析了其有功功率和无功功率输出特性, 研究表明:光伏逆变器作为光伏发电系统的核心部件, 在进行电能交直流变换的同时, 也具备一定无功功率调节能力, 光伏发电系统的实际运行应充分利用这部分无功调节容量。
关键词：光伏逆变器,结构,功率输出特性
参考文献
[1]尹忠东, 朱永强.可再生能源发电技术[M].北京:中国水利水电出版社, 2010
[2]赵争鸣.太阳能光伏发电及其应用[M].北京:科学出版社, 2008
[3]沈辉, 曾祖勤.太阳能光伏发电技术[M].北京:化学工业出版社, 2009
功率输出故障 第5篇
1太阳能光伏发电技术的原理及运行方式
对于太阳能光伏发电中太阳能是主要能源, 通过运用光伏电池将太阳能进行有效的吸收, 对于太阳能光伏发电系统主要就是通过简单的光伏特效应, 在接触到太阳光线的时候, 对于光伏电池也就会自动吸收光能, 也就是将光能转化为电子。在对电场的控制过程中, 空穴与光生电子发生隔离, 采用电荷累积到一定的程度后也就会聚集成光生电压, 这也就是所谓的光生伏特效应, 在对电场建设的时候通过电场接受负载后也就会导致汇聚成光生电压, 成功将太阳能转化为电能。同时对于太阳能光伏发电系统也就是将太阳能装换为电能的主要装置, 这也装置也被称为太阳能发电系统, 一般我们将地面太阳能转换为电能, 可以分为联网运行方式和离网运行方式两个方面。所谓的离网太阳能光伏发电系统也就是指在没有公共电网相接的光伏发电系统, 他是一种相对的光伏发电过程, 很多时候都是运用在农村和公共电网很难覆盖的偏远地区, 对于一些牧区及海岛照明也通常会选用这一独立的太阳能光伏发电系统。同时对于这种情况还有很多时候运用在一些特殊气象台的中转继电中心, 离网太阳能发电系统主要就是就是对特殊地区的用电提供方便。联网太阳能光伏发电系统也就是与公共电网相连接的光伏发电系统, 通过并网光伏发电的方式将太阳能装换为交流电, 它与电网电压同频同相, 在与电网相连的过程中实现电能的输送。太阳能光伏发电技术涉及到太阳能电池技术、光伏阵列最大功率跟踪技术、孤岛效应检测技术以及聚光光伏技术等。商业化发电阶段有着显著的规模化特征, 无论是联网运行还是离网运行都构成了电力工业的重要组成部分, 它们势必将成为太阳能光伏发电领域的核心技术格局。
2光伏发电系统输出功率预测设计
2.1光伏独立发电系统
对于相对独立的光伏发电系统广泛运用于偏远山区、无电区、海岛、通讯基站和路灯等运用场所。系统通常由太阳电池组件构成的光伏方阵、太阳能充放电控制器、蓄电池组、离网型逆变器、直流负载和沟通负载等构成。光伏方阵在有光照的情况下将太阳能转换为电能, 通过太阳能充放电控制器给负载供电, 一起给蓄电池组充电;在无光照时, 通过太阳能充放电控制器由蓄电池组给直流负载供电, 一起蓄电池还要直接给独立逆变器供电, 通过独立逆变器逆变成沟通电, 给沟通负载供电。
2.2光伏并网发电系统
光伏并网发电系统主要是由太阳能电池组和直/沟通逆变器构成。既可以将由太阳能所转换成的电能在逆变器效果下变为沟通负载供用户直接运用, 又可以将所发生的电传输到沟通电网上。光伏并网发电作为如今开展最敏捷的高技能太阳能光伏发电运用方法之一, 与独立的光伏发电系统比较, 光伏并网发电是太阳能发电往后的开展趋势。并网发电系统的优势主要有以下优势。并网方法灵敏, 分布式和集中型并网相结合, 既可就地耗费发电, 将剩下电力并入电网获得收益, 又可将所发电直接并入电网卖电获得收益。对光伏电池可以更快、更准确的进行追寻, 最大限度的将电能输入到电网, 来对功率损耗进行下降。中间环节的简化, 可以减少在蓄电池充放电中所损耗的电能, 对中间环节所形成的维护和运转本钱进行了下降, 一起也下降了收回废旧电池进程中所形成的环境污染疑问。
3光伏发电系统输出功率短期预测技术分析
对于光伏发电机在对电流输出的过程中, 对于输出的电流的总量和输出的效率都是通过阳光的强度和环境的温度以及电力负荷等多方面影响, 只有在一定条件的温度和光照强度才能实现电压的稳定性, 当光伏电池工作的时候在达到一定的特殊电压的时候, 可以对输出的功率进行短期预测, 在对输出功率达到最大值的时候, 这也就需要对输出功率进行预测, 有效的提高光伏发电系统的有效性。因此在对光伏发电的过程重要就是提高发电机的整体效率, 其中主要就是通过对光伏电池的工作点进行全时间段的调整, 保证光伏发电系统的工作状态, 满足生活的需要, 在这工作过程中是光伏发电的最大功率, 因此目前的光伏发电系统的成本较低, 在对发电系统的整体投资也就有效的节约了成本。光伏发电系统在进行工作的时候产生的电压主要就是由于光照强度和环境温度的变化不断的变化, 在对光伏发电功率短时间预测技术的运用中, 也就要做好整个过程的调试工作, 其中对于输出功率短期预测主要就是在对输出功率最大的时候在对光伏发电机的实际工作电压升高, 在对输出功率进行短期预测。当电功率最大的时候也就会降低光伏发电系统的总体电压, 从而实现逐渐靠紧的原理, 在对工作能够对其发电系统中寻找最优化的输出电功率的工作过程, 通过光伏发电系统矩阵检测最佳的电压组合, 以此得到最佳的排列功率输出从而和之前的功率进行比较, 这样反复进行比对, 知道找出该组的最大功率点。在找出最大功率点之后记录好周围和环境因素, 如气温、气压等同时做好相关记录, 做出该最大功率点对应的实际情况, 在日后进行光伏电池组装的过程中进行合理的利用, 在遇到情况和记录情况相似或相同时就直接采用记录的情况进行设置, 从而实现最大功率的输出, 提高光伏电池的输出效率, 降低光电生产的中体成本。
4结束语
在进行光伏发电系统安装过程中, 要严格施工标注, 规范施工, 同时要注意施工的安全性, 如此, 才能够让光伏发电这项新技术更好的服务于社会主义建设。
参考文献
[1]李木一.电池储能提高电网接纳光伏发电能力的建模仿真研究[D].中国电力科学研究院, 2014.
[2]陈海飞.高倍聚光光伏光热综合利用系统的理论和实验研究[D].中国科学技术大学, 2014.
[3]柴亚盼.光伏发电系统发电效率研究[D].北京交通大学, 2014.
功率输出故障 第6篇
在能源和环境的压力下,人们对于新的、清洁的、可再生的能源形式越来越重视。太阳能作为其中的一种重要的能源形式,受到了广泛的关注。光伏发电是利用太阳能的一种最重要也是最主要的形式,虽然具有环境友好与可持续的优点,也因为严重依赖于所处的自然环境致使产出具有随机性。因此,光伏发电产生的电能很不稳定,如果装机容量非常大,那么并网后会对电网产生较大的影响,对电网的安全运行、电力部门的调度分配存在潜在的威胁。为了消除它这方面的恶劣影响,对光伏发电系统功率预测的研究吸引了很多科研人员。按照预测时间的远近和间隔,可将功率预测分为长期、短期、超短期等几种[1,2],其中短期功率预测在可行性、发展成熟度和预测的作用等综合评估指标中尤为突出,因为长期功率预测主要是为电站投资作参考,而超短期功率预测的研究目前还具有很大的缺陷和不足。因此,本文主要是研究光伏发电的短期预测。
一般地,短期功率预测是指预测未来一天或几天内各时刻的光伏电站输出功率。目前主要有两种方式,一种是通过气象学中的光照强度和光伏电站数学模型[3]预报,另一种是通过数据挖掘仅仅基于历史数据和简单的气象预报[4,5,6,7,8]。前者需要气象学上的研究做支撑,在欧洲,这种方法很流行,因为那里有比较多的光照强度测量站,为光照预测提供了基础,但是光照强度的预报存在比较大的误差,有文献称误差高达百分之三十[9],所以很多研究是在如何对预报数据进行处理得到更精确预测这个方向上努力。后者的原理是要求给定地点的给定光伏电站,一年四季的光照强度大致情况不会改变,而电站中的器件的衰老程度也不是很剧烈,如果有给定电站的发电历史数据,那么历史数据中就隐藏着这些信息,依据历史数据进行建模,去繁就简之后的变量就是具体的某天的天气,那么就可以根据发电的历史数据和待预测日的简单天气预报,推断出待预测日的功率输出曲线[11,12,13]。这种方法在缺少光照强度预报的情况下可充分弥补预报信息的不足,在国内研究较多。当然这种方法的误差也非常大,尽管有很多研究都在尝试用各种各样的方法去改进[11,12,13],但收效甚微。因为给定的输入信息不是很完备,或者说是历史数据的纯度不足以直接当作模型的输入。本文将使用有效的神经网络模型作为预测模型的基础,从历史数据中提炼出对模型更友好的输入信息,最后经过评估验证这种思路的有效性。
1 预测模型的建立
为了建立光伏发电短期功率的预测模型,本文通过对一个时间段内的发电功率、发电站历史数据的研究和分析找出其中所暗含的规律。通过了解影响发电功率的因素,以及一些相似天气条件的发电功率情况,利用神经网络的方法建立短期功率变化的预测模型。
1.1 项目背景简介
本文中短期功率预测课题来源于小功率光伏发电试验系统这个实际项目,这个项目由某供电公司主持,在某两地分别搭建了容量为10KW的小功率光伏电站,电站主要由光伏发电核心组件和环境监测组件组成,前者中配有计量装置,会记录下光伏电站的实时运行情况,同时后者会记录下同时段的环境情况,监测系统会将所记录下的数据通过网络发送到服务器保存起来,表1所示为其中的一个片段。
1.2 数据记录与分析
本文中的研究对象是布置在九江湖口的一个光伏电站,其装机容量为10KW,按20分钟一次的频率记录温度、光照和电站的输出功率等数据,如果将这些20分钟一次的点连成每天的输出功率曲线,可看出形状是大致相同的,即中间高两边低大的钟形曲线,这是因为光伏电站的输出严重依赖于光照强度,中午的光照强度一般最强,电站的输出功率最大,而早上和下午的光照较弱,电站出力也相对较小,而夜间电站不往外输出电力。此外,环境温度也对光伏电站的输出功率有重要影响,致使夏季和冬季光伏电站的出力情况有较大的差异。
从理论上讲,光伏阵列的输出功率[13]
式中:ηpv为光伏阵列的光电转换效率,S为光伏阵列的受光面积,I为光照强度,t0为环境温度。针对一个固定电站进行短期功率预测的研究,可认为光电转换效率和光伏阵列受光面积是恒定的,影响光伏阵列输出功率的因素主要是光照强度和环境温度。
1.3 相似日的选取
在本文中确定预测模型的输入和输出,不同以往的文献中直接以前一日的发电数据序列作为输入,而是以待预测日之前一个月内,天气情况最相近的一天的发电数据序列作为输入。这样的好处是很明显的,因为天气情况最相近的两天的发电数据序列之间存在着更多的潜在的相似关系,以这种方式可以避免待预测日前后两天天气变化剧烈引发的大误差情况[11]。
为了叙述方便称待预测日为B,天气情况最相近的那一天为A。如果用原始数据作为模型的输入,那么输入将至少72×3个数据,其中有A日的温度和光照及出力数据,这会大大增加模型的复杂度,同时也会对模型的泛化能力有减弱,模型的训练速度减慢。所以需要对这些数据进行简化,简化的方式有多种,比如等间隔采样,或者是提取出特征数据,本文使用后者。因为对于前者,如果采样间隔太大,会使数据的本身特征会丧失太多,以致失真,而每天的气象数据是有大致规律存在的,所以可以用提取出的特征数据代替原始数据。这里使用的特征数据为:光照的最大值、最小值和温度的最大值、最小值归一化处理后的值,这四个值组成的向量称之为某一天的天气特征数据。由于夜里的光照数据和出力数据全部为0,所以没有什么意义,为了更进一步简化,上述的四个数据仅仅根据白天6时一18时这12个小时的数据提取出来。
由于从天气预报得来的预报数据是抽象的,为了根据B确定A,需要对天气预报做个映射,使抽象的阴晴多云等天气描述信息,转变为模型可用的数值信息,即光照的两个特征数据。这个转变过程是个重要的过程,当然不能凭空假设,最简单的方法是建表。根据历史数据,建立一个天气描述信息到可用特征数据的转换表,然后仅仅通过查表即可完成转换,然后计算出待预测日B与其之前30天的天气相似度,然后挑选出相似度最大的那一天为A。但这种方法有个很大的缺陷,就是仅仅从天气预报抽象的描述出发,而忽略了天气变化的连续性。另外,我们还可以充分利用待预测日B之前的若干天采集的实时数据。因为B之前的若干天和要确定的A之前的若干天之间同样有着相似的关系。用数学语言描述的话就是,待预测日B的天气特征数据为x0,B之前的30天的特征数据分别描述为:xi={xi1,xi2,xi3,xi4}
x=1,2,3…,30表示两个向量的范数也称为距离,那么A日与B日的相似度可定义为:
式中:k不可太大,即确定A时考虑A之前(包括A)k天与B之前(包括B)k天的相似情况。
1.4 数学模型的选取
相似日选取之后,就可以使用相似日的实际发电序列作为模型的输入计算结果,即相似日每小时的发电量共12个数据是模型的输入,但仅这些数据是不够的。因为使用相似日的实际发电序列预测发电量的原理是每天光照强度和温度分布是相似的,所以每天的实际发电序列的形状是相似的,都是钟形曲线。这是相似日和待预测日的共同点,而反映这两天区别的参数也应作为模型的输入,正是这些参数使各条钟形曲线表现不同,这些参数就是反映光伏电站环境的光照强度和环境温度参数。假设待预测日的天气特征数据为x0,与待预测日最相似的天气特征数据为xi,那么它们的差值也应当作预测模型的输入Δx=xi-x0。综上所述,预测模型的输入共有12+4=16个,而预测模型的输出为待预测日每小时的发电量共12个数据。
神经网络输入层节点对应于预测模型的输入变量,在本文中选取与预测日天气特征最类似的一个相似日与预测日天气特征数据的差值,和相似日12个小时的实际发电量共16个输入量,所以输入层节点个数为16。而由于RBF神经网络是单隐含层结构,其隐层节点个数是动态的,根据训练实际情况增减。输出层节点对应于预测模型的输出变量,即光伏电站预测日12个小时的发电序列,所以输出层节点个数为12。
2 预测模型的判断预估计
多进短期功率的神经网络模型建立以后,要利用样本数据对所建立的模型进行训练,使模型能够学习数据中的一些对应关系,这样模型才能准确的预测发电功率。然后,把预测模型产生的预测数据与实践的数值进行比较,验证模型的准确性。
2.1 实际运行数据
神经网络预测模型的结构确定后,需要使用样本数据对模型进行训练,使模型从中学习映射。在本文中,使用某10KW光伏电站的实际生产数据,将原始数据进行预处理后生成样本数据。
如前所述,训练模型的样本数据由相似日和预测日的天气特征数据的差值、相似日和预测日两天的历史发电数据构成。生成样本的过程为:根据整体的历史气象数据,确定当地的各气象数据范围,以此为基础,对原始气象数据进行归一化处理;针对每一天,根据第二节描述的方法选取相似日,构建样本的一个实例,即模型的输入输出对。
2.2 训练与预测过程
为了既能根据前一日数据预测未来一日的发电量,又能实时地根据当前气象数据走势对当前日后续时间的预测数据进行调整,在这里添加了一个调整的过程。具体描述为:在由上述的神经网络模型及16个输入变量预测出后一日的每小时发电量共12个输出变量后,再充分考虑最近一段时间(设为两个小时)的大气温度、光照强度、发电量等数据,对未来短时间内的预测数据进行微调。微调过程为:从数据库找寻与最近两小时大气温度、光照强度同时段最相似的那一天,设当前日最近两个小时的大气温度为:(X01X02…X0N),光照强度为:(Y01Y02…Y0N),历史数据中的某天同时段对应数据为:
记
则J即为与当日同时段历史最相似的那一天,以那一天后续时间的历史数据为依据对由神经网络计算出的预测值进行调整,简单的方式即为历史数据与预测数据取平均值作为最终的预测数据。
完整的预测过程描述为:
1)根据历史数据整理出足量的样本数据(相似日和预测日共两天的气温、光照强度、发电量作为一个样本),用这些样本数训练出神经网络模型,根据此模型得到预测值;
2)修正过程,找寻数据库中与最近两个小时温度光照同时段最相近的历史情况,并根据同时段历史最相似那天的历史数据对预测值进行调整,得到最终预测值。
2.3 预测结果和误差分析
预测模型的评估。对神经网络发电预测模型的评估有很多方法,但最常用的还是最小平方差MSE,回归系数R。
式中,N为数据总数,为预测值,为真实值,i为数据序号。
如图1所示,可以从模型的误差分布看出,预测模型的误差相对较小,模型具有一定的准确度。回归系数R衡量模型输出与期望输出之间的相关性,在[0,1]之间,越大说明相关性越大,意味着模型越准确,否则相关性越小模型的准确度越低。如图2所示,可以看出训练数据、验证数据和测试数据三组数据通过此模型得出的预测值与实际值的回归系数都在0.96以上,表明模型有一定的准确度。
通过误差和线性回归分析,可以看出神经网络预测模型准确度较高,对于光伏发电的短期功率预测效果较好。如图3所示,在相当长的时间内,预测功率和实际功率的变化曲线之间的重合度很高,误差很小,这就说明本文建立的神经网络预测模型有很好的预测效果。
3 总结
基于神经网络,建立了光伏电站的功率预测模型。以往的预测方法大多是在模型方法上进行改进,比如用神经网络或支持向量机等智能算法,虽然模型的训练学习速度有所提升,但预测的精度并没有多少提升。因此,本文重点放在对历史数据的处理上,通过对历史数据的分析确定出与待预测日天气情况最接近的那一天,并以那一天的发电序列数据和这两天的天气特征数据作为模型的输入。
(点画线表示实际功率输出曲线,实线表示预测功率输出曲线)
(Dotted line represents the actual power output curve,Solid line represents the prediction power output curve)
此外本文使用的神经网络类型为RBF神经网络,在训练速度和函数拟合能力等方面的性能均优于常用的BP神经网络,并用Matlab实现了这个预测模型,并分析评估了这个模型的性能,通过实际数据和模型数据的对比分析,验证了所提模型和算法的有效性。
摘要：随着光伏发电的装机容量的不断扩大,由于光伏发电的随机性,它的输出电能对于电力系统的影响越来越大。为了减轻它对于电力系统的影响,光伏发电短期功率预测变得相当重要。基于自行设计与开发的光伏电站的实际运行数据,本文对光伏发电系统的短期输出功率预测进行了探索研究。分析了天气类型、大气温度和太阳辐射强度等因素对预测结果的影响,分析了数据之间的相关性,基于现有预测模型成果,提出了一种改进预测方法,并通过评估分析了这种预测方法的效果和意义。
功率输出故障 第7篇
关键词：光伏组件,电位诱发衰减效应(PID),折射率
近年来,随着各个国家对光伏产业的大力扶持,越来越多的学者与科研人员投入到与光伏发电相关的产业之中,越来越多的光伏电站被投入实际运行。然而,随着光伏系统的投入运行,人们发现光伏系统的发电功率往往达不到人们所期望的数值。随着研究的深入,有人提出了因为光伏组件的电位诱发衰减效应(PID)而导致了光伏系统不能达到所期望的的输出功率[1,2,3,4];也有学者认为光伏系统在受到局部遮挡环境下的输出特性曲线呈现出多峰形,传统MPPT算法在寻优的过程中容易遇到局部极值,使得光伏系统输出功率低下[5,6,7,8]。
文献[9]分析了了光伏组件的PID效应的失效机制,并提出了从系统、组件、电池三个方面来抑制这种不利效应的方法;文献[10]提出一种基于分布式架构的最大功率点跟踪(CPSODMPPT)算法,可以在多峰曲线中寻找到最优点,有效地提高光伏阵列的输出效率;文献[11]提出了弱光、局部遮挡以及电缆失配对光伏发电效率的影响,并通过发电效率评估算法对各种情况进行分析。
本文通过对光伏系统电位诱发衰减效应(PID)成因及其机理的分析,针对由PID效应引发的太阳能电池组件功率大规模衰减现象,建立理想状态下光伏电池的数学模型并分析出输出功率特性曲线,提出一点预防光伏电池PID效应的方案,并通过实验分析改进前后实际光伏组件的输出功率,来验证方案的可行性。
1 电位诱发衰减效应的机理及其主要特征
1.1 PID效应的定义及其机理介绍
由许多研究机构或业内专家的研究结果可以知道,在光伏系统中的晶硅太阳能电池组件中的电路与其用于接地的金属铝边框之间存在高电压,该高电压使得光伏组件上表面层及下表面层的材料中、电池的封装材料EVA中出现了离子迁移现象,从而形成了漏电流的现象;同时光伏电池中也出现了热载流子现象,大量载流子集聚在电池片的表面,使得电荷进行再分配,从而削减和抑制了电池的活性层,破坏了电池片表面原有的钝化效果,最终表现为Voc、Isc、FF等关键参数的降低,使得组件的输出功率及其他性能指数低于设计标准,这些引起功率衰减的现象被称之为电位诱发衰减现象,国际上称为Poten⁃tial Induced Degradation,简称PID.
PID效应一般发生在潮湿的环境下,活跃程度与潮湿程度呈正相关,同时电池组件表面被酸、碱性以及带有离子等物体的污染程度,也与衰减现象的发生有关。一般来说,PID的失效原因可以从系统、组件、电池三个方面来分析,并且针对这三个方面提出抑制方案。本文主要从电池这一角度来分析PID效应与输出功率之间的关系。
在实际的应用中,基于光伏电池结构和其他组件的材料及设计方式的不同,PID现象可能在其电路与金属接地边框成正向电压偏置的条件下发生(N型电池板),也可能是成反向电压偏置的条件下发生(P型电池板)。 目前市面上的电池组件大部分为P型电池板。其PID现象形成的机理如图1所示:
1.2 PID效应的主要特征
电位诱发衰减(PID)效应能够导致晶体硅太阳能电池组件输出功率大幅衰减,使太阳电池组件的运行效率降低。如图二所示为海南琼海某电站从第一到二十一个月实际发电量与理论发电量的对比图:
由上图可知,由于受到电位诱发衰减效应等因素的影响,实际的发电功率往往只有理论值的一半,甚至更加严重。此外,功率输出的明显下降,也会导致EL图片呈现不规则的黑片现象。这些,限制了光伏组件器大规模的运用。
2 光伏电池的数学模型及理想输出特性曲线
为研究由于多晶硅组件组件而产生的PID效应对光伏系统发电功率的影响。本文利用PSIM仿真平台提供的光伏电池电路模型作为研究对象,光伏电池内部等效物理模型如下图所示。
光伏电池的等效数学方程[12]描述如下:
其中iph是光效应产生的电流,id是通过二极管的正向电流,I0是二极管的反向饱和电流,i和v分别是光伏电池的输出电流和电压。
由于公式(1)是超越方程,通过常规方法无法求解,转而寻求其近似解。因为光伏电池的并联内阻Rsh一般非常大,使得通过内阻的电流ir远远小于电池输出电流i ,因此可以省略ir项来简化其数学模型,从而把式(1)转换成式(5)。
以光伏模块Solarex MSX-60 为分析对象,得到输出电压v与输出电流i 、光照强度S和环境温度T之间的函数关系:
在环境温度为25℃时,对式(6)进行进一步优化,光伏电池输出电压v与输出电流i和光照强度S之间的函数如下所示:
2.1 理想状态下光伏电池的输出特性
光伏电池在均匀受光和恒温的理想环境下,其输出特征曲线呈现非线性状态,影响其功率输出的主要因素有3 个:光照强度、环境温度和负载。在固定负载的情况下,光照强度的变化会导致系统短路电流的振荡,两者呈现正相关关系;而开路电压则是容易受到环境温度的影响,两者呈现负相关关系[13]。
仿真环境设置为当光伏电池处于外界环境为25℃的恒温条件,通过PSIM仿真得出数据,将测得数据导入origin绘制出组件的P-V曲线图。通过分析曲线可知,当环境温度或光照强度一定时,光伏电池的输出功率能随着输出电压呈抛物线上升,到某一点而达到最大值,从而分析出功率输出的想想状态。图4为系统在不同光强下的电压与功率曲线。
当光伏电池置于光强为1000W/m2的条件下,图5为系统在不同温度下的功率电压曲线。
3 实验方案及结果分析
3.1 实验方案
由前文分析可知,光伏组件在PID效应的作用下,输出功率很难达到理想状态,本文采用标准工艺和抗PID工艺的两组太阳能电池组件在相同环境下的输出功率来分析PID效应与输出功率之间的关系,并验证有较高折射膜的光伏电池的功率衰减较少。
一般标准工艺制作的多晶硅太阳电池片表面镀有平均折射率为2.06 的单层Si Nx减反射膜,我们采用表面镀有平均折射率为2.16的单层Si Nx减反射膜防作为抗PID工艺的多晶硅太阳电池片;在其他工艺基本一致的情况下,我们将两组光伏组件放入光伏系统,分别在运行之初和运行一个月后,用EL缺陷仪对标准工艺(折射率为1.06)和防PID工艺(折射率为2.16)的多晶硅太阳电池制作的组件衰减前后进行缺陷测试,并对比两组组件在相同环境中的输出功率数据进行对比。
3.2 实验结果与分析
图6(a)与6(b)为处理前后光伏组件EL影像,由影像不难发现PID效应在组件边缘最为严重,由边缘逐渐向内扩散,并且对比经过抗PID处理过后的EL影像可知,再增加太阳能电池的折射率之后,能有效防止PID效应的产生。
同时,我们可通过分析两组组件在一天之内产生功率数据,得到功率曲线图如图7(a)与7(b)所示。我们将两组组件安装在同一地点,使两组组件能在几乎相同的温湿度及光照强度下进行数据采集,确保PID效应为单一变量。
由功率曲线可知,中午2点左右,日照强度略低于100W/m2率时,两组组件均达到最大功率点出,其中未处理组件的功率不到0.15kw,而处理组件的功率高达0.41kw。由此可知,在日照强度等因素相同情况下,未经过抗PID处理过的组件的输出功率明显小于经过抗PID处理过的组件的输出功率。
4 结束语