科创中国

行业领域

新能源及节能技术

需求背景

光伏发电是一种可再生能源，通过将太阳能转化为电能来提供电力。在光伏发电系统中，光伏组件是核心部件，其输出功率受到光照强度、温度等因素的影响。最大功率点是指光伏组件输出功率达到最大的状态。准确预测和跟踪光伏组件的最大功率点可以优化系统的发电效率，提高能源利用率。

GAN（生成对抗网络）是一种深度学习模型，常用于生成具有逼真度的样本数据。CNN（卷积神经网络）和GRU（门控循环单元）则是两种常见的神经网络结构。通过结合这些模型，可以有效处理时序数据并提取特征。在光伏最大功率点预测中，使用GAN-CNN-GRU模型可以更好地分析光伏组件的输入数据，捕捉其特征，并进行准确的功率点预测。

需解决的主要技术难题

1、依托某光伏云平台采集光照强度、温度等气象数据，计算各种情况下的最大功率及其电压值：设计用于扩充数据的生成对抗网络；

2、搭建GUR神经网络，并对GRU神经网络模型进行相应的优化，包括神经元个数，优化函数和损失函数的调整；

3、开发光伏MPPT预测系统，包括光伏阵列，MPPT控制模块，DC/DC变换器，IGBT模块以及负载等。并进行系统测试和实验验证。

期望实现的主要技术目标

针对光伏阵列在复杂光照强度条件下，出现局部遮荫现象，导致输出特性曲线呈现多峰值状态，造成光伏系统能量转化率低下的原因，开发一款基于生成对抗网络（GAN）、卷积神经网络（GNN）和门控循环单位（GRU）的混合预测模型的软件系统。

需求解析

解析单位：“科创中国”科技成果转化专业科技服务团（厦门科易网科技有限公司） 解析时间：2023-08-09

柯安星

厦门科易网科技有限公司

高级技术经纪人、国际技术转移经理人

综合评价

此项技术对光伏系统最大功率点的精确预测能力、快速响应和动态调整能力、能源转换效率、降低运维成本以及推动光伏行业智能化发展等方面具有较高的技术优势。该系统的开发将提高光伏系统的性能和效益，为可再生能源领域的发展做出重要贡献。

查看更多>

处理进度