太阳能小屋的设计

《太阳能小屋的设计》由会员分享，可在线阅读，更多相关《太阳能小屋的设计（29页珍藏版）》请在装配图网上搜索。

1、太阳能小屋的设计摘 要 近年来,光伏技术受到人们的青睐,同步材料成本费在产品应用过程中起着举足轻重的作用。本文研究如何使光伏电池板在满足一定的约束条件下合理、有效的布置电池板,从而提高电池板材料的运用率。我们的主思路就是：如何布置光伏电池板使得总发电量在尽量大的状况下，单位发电量效益尽量小。根据太阳能电池外形以及房屋的外形,我们决定用填充算法与遗产算法相结合的矩形优化排样模型。 针对问题一，我们采用对太阳能电池板采用贴附式的措施进行铺设的模式。一方面,我们在保证每个电池组件都贴附着房屋的状况下来排布尽量多的电池板，使排放区域的板材废料尽量少,以提高板材的运用率。另一方面，我们考虑光伏电池组件的

2、分组及逆变器选择的规定,运用遗传算法模型进行编程求解，最后求得3年的总发电量为367951kwh，通过2年后成本收回，开始赚钱,3年总的收益为218元。 针对问题二，我们是采用架空式安装电池板的模式。基于问题一的模型基本上,由于铺的最多板的数目已拟定，我们的目的：建立模型尽量的使已铺的电池板吸取更多的太阳能。一方面,为了保证太阳能电池板可以最大的将照射在上面的太阳光吸取，我根据倾斜面上的所接受到的多种光照建立了最佳倾角模型，最后得出山西省大同市的最佳倾角为37.度。另一方面,为了消除由于太阳能电池板之间产生的阴影,我们建立了最优电池阵列间距模型。在最佳倾角模型的基本上,我们得出一年中冬至日的高

3、度角最小,通过数学几何知识,进一步得出电池阵列间距,最后得到总发电量为4670kwh，通过收回成本,总收益为42600元。 针对问题三，我们对房屋进行重新设计。该题规定自己设计房屋,我们根据如下方面：（）采光度最佳，拟定方向为坐北朝南。（2)太阳辐射强度最大,因此应使屋顶的面积尽量大。通过问题二的计算，拟定房顶的倾斜度为，根据以上条件，画出小屋的外观模型。根据问题二的排板模型,我们得到了太阳能电池板的排列措施,如图。求得总发电量为55710kwh，通过成本收回,收益为360元。 核心字：光伏电池 矩形优化排样模型 采光度 最佳倾角 一、问题重述 在设计太阳能小屋时,需在建筑物外表面（屋顶及外墙

4、）铺设光伏电池，逆变器将一部分电转换给顾客提供,并将剩余电量输入电网。不同种类的光伏电池每峰瓦的价格差别很大,且每峰瓦的实际发电效率或发电量还受诸多因素的影响，如太阳辐射强度、光线入射角、环境、建筑物所处的地理纬度、地区的气候与气象条件、安装部位及方式(贴附或架空）等。因此，在太阳能小屋的设计中，研究光伏电池在小屋外表面的优化铺设是很重要的问题。附件1-7提供了有关信息。请参照附件提供的数据,对下列三个问题,分别给出小屋外表面光伏电池的铺设方案，使小屋的全年太阳能光伏发电总量尽量大,而单位发电量的费用尽量小，并计算出小屋光伏电池35年寿命期内的发电总量、经济效益(目前民用电价按0.5元/kWh

5、计算）及投资的回收年限。在求解每个问题时，都规定配有图示，给出小屋各外表面电池组件铺设分组阵列图形及组件连接方式(串、并联）示意图，也要给出电池组件分组阵列容量及选配逆变器规格列表。在同一表面采用两种或两种以上类型的光伏电池组件时，同一型号的电池板可串联，而不同型号的电池板不可串联。在不同表面上,虽然是相似型号的电池也不能进行串、并联连接。应注意分组连接方式及逆变器的选配。问题1：请根据山西省大同市的气象数据，仅考虑贴附安装方式，选定光伏电池组件,对小屋（见附件2）的部分外表面进行铺设，并根据电池组件分组数量和容量,选配相应的逆变器的容量和数量。问题2：电池板的朝向与倾角均会影响到光伏电池的工

6、作效率，请选择架空方式安装光伏电池，重新考虑问题。问题3：根据附件7给出的小屋建筑规定，请为大同市重新设计一种小屋,规定画出小屋的外形图，并对所设计小屋的外表面优化铺设光伏电池，给出铺设及分组连接方式,选配逆变器,计算相应成果。二、模型准备.1 理论准备2.1.1光伏小屋 所谓光伏小屋就是将太阳能电池板安装在建筑物的屋顶以及四周墙壁,引出端通过控制器、逆变器与公共电网相连接,由太阳能电池板、电网并联向顾客供电,构成户用并网光伏系统，将太阳电池与建筑物有机的结合起来。原理示意图如下:太阳能电池板AD/DC逆变器电网家庭顾客 图一 太阳能光电系统构成原理框图2.1.2太阳能电池方阵 太阳能电池单体

7、是指由若干个太阳能电池组件或太阳能电池板在机械和电气上按一定方式组装在一起并且有固定的支撑构造而构成的直流发电单元。本文中我们将太阳 能电池单体进行串并封装后，就成为太阳能的电池组件，其功率一般为几瓦至几十瓦,是可以单独可以作为电源使用的最小单元。太阳能电池组件再通过串并组合安装,形成太阳能电池方阵。光伏电池的的电压、电流串并联特性曲线如下图： 电流 电流12 2 11221+2电压 电压光伏电池串联的输出的特性 光伏电池并联的特性 图二 串并联特性曲线2.1 光照强度水平面总辐射强度:水平面接受到的直射光线水平面散射辐射强度：太阳辐射通过大气中的气体分子、尘埃散射后达到某一水平面处单位面积上

8、的辐射功率。 法向直射辐射强度：表达垂直于辐射方向的平面上，单位面积上的直射辐射功率。关系:平面辐射总强度=平面散射辐射强度+平面直射辐射强度将太阳光平面辐射量转化到斜面上的推导平面直射辐射强度平面散射辐射强度由题目所给数据为了求屋顶面的辐射强度，由公式：。得出倾斜平面的辐射强度=（平面辐射总强度-平面散射辐射强度）cos+平面散射辐射强度si。2.2数据预解决 由附件四所给的数据我们用excl对数据进行理解决,并结合一中的公式求出了各个方向的辐射强度平均每天的辐射强度如下表所示: 顶面东面西面南面北面平均辐射强度79916262122886具体表格见附录一。 三、问题分析国内的光伏产业发展极

9、不平衡，虽然太阳能电池的产量超过日本和欧洲而居世界第一,然而光伏应用市场的发展却非常缓慢,光伏合计安装量大概只占世界的1%，应用技术水平与国外相比尚有很大的差距。光伏产品与一般机电产品不同，必须根据顾客的需求、本地的气象以及地理条件来决定系统的配备，由于目前光伏发电成本较高，因此在本篇论文里，我们在只考虑了本地气象、地理位置两个因素下，使可靠性(充足的将光能转换为电能,满足人类对能源的需求)和经济性（单位发电量的费用尽量小）形成最佳结合,来最大发挥光伏电源的作用。问题一分析： 问题一规定根据山西省大同市的气象数据，仅考虑贴附安装方式，选定光伏电池组件,对小屋的部分外表面进行铺设,我们通过题目中

10、光伏电池组件的分组及逆变器选择的规定，对问题进行分析，采用矩形件最优排样算法，最后得到光伏电池的铺设数量及方式，并计算出题目的规定数据。问题二分析:问题二规定通过架空的方式对题目中的小屋外表面安装光伏电池。由于在光伏发电系统的设计中，倾角选择的对的与否直接影响光伏发电系统的性能和发电量的大小。因此，我们通过计算，得到山西大同的太阳能最佳倾角，又由于若在东西南北墙面架空铺设会占用很大面积,因此，该问中我们仅考虑在房屋顶部铺设光伏电池板,然后通过编程计算及画图，最后得到小屋光伏电池35年寿命期内的发电总量、经济效益（目前民用电价按0.5元kWh计算）及投资的回收年限。问题三分析：问题三规定自己建立

11、一种小屋，使得新设计的小屋符合附件七所给的条件。我们考虑采光面的面积、房屋的朝向、房屋的形状、门窗的尺寸，设计一种新型房屋。并根据问题一求光伏电池铺设方式的措施进行计算,得到问题三的最优值。四、模型假设1 时间的计量以地球自转为根据,并采用“北京时间”计时；2 太阳能电池板为平板式;3 不同类型的电池板近似觉得厚度是相似的;4 逆变电源在较大的直流输入电压范畴内保证正常工作,并保证交流输出电压 稳定，为失真度较小的正弦波；5 光伏电池的电极之间接触良好； 小屋的四周没有高层建筑,即周边没有任何建筑物遮掩; 大同市近5年内气候没有多大的变化，即它的光照强度、最佳照射角度基 本没有变化；8 假定每

12、块光伏电池的实际寿命为抱负寿命,35年;9 光伏电池的开路电压、短路电流不变,为一常量；10光伏组件的额定功率:0的效率为100%，1025年效率为90%，25年以 后为80%折算；11 在考虑耗得经费时只考虑太阳能电池板的造价,不考虑人工安装费用、意外 损失费用。 假设在同一平面上铺设的电池的厚度是相似的。五、符号阐明 : A类光伏电池的第个型号； : B类光伏电池的第个型号； : 类光伏电池的第个型号； 类型为A的光伏电池的尺寸； : 类型为B的光伏电池的尺寸; 类型为C的光伏电池的尺寸; : 某一面的总收益； : 倾斜面上的所接受到的太阳辐射总量直接辐射量 : 倾斜面上的所接受到的直接辐

13、射量 : 倾斜面上的所接受到的天空散射辐射量 : 倾斜面上的所接受到的地面反射辐射量 : 倾斜面与水平面的夹角 : 太阳光入射角 : 垂直于太阳光线平面上的直射辐射强度 : 太阳能电池组件的长或者宽 ：太阳赤纬角 : 太阳时 : 时角: 太阳方位角： 太阳高度角六、模型建立及求解6. 问题一6.1 模型建立 通过对问题的分析,我们决定用矩形件排样优化来拟定电池板的贴附式安装的数量及位置。矩形件排样优化是指在给定的板材上按一定规定排放尽量多的所需矩形件,使排放区域的板材废料尽量少，以提高板材的运用率。对于该问题,规定光伏电池的发电量尽量大,因此在辐射强度大的面，我们尽量的对其进行铺设,辐射强度小

14、的面对其进行分析,判断与否需要铺设光伏电池，铺多大面积最为恰当。对于各个墙面,有门、窗的地方不能铺设电池组件,因此我们采用了一种近似算法,基本思想是根据墙面上的门、窗等约束条件将某个墙面提成若干部分，选择相适应的电池组件依次排入这些区域内，尽量地使排入的光伏电池更多,从而保证年发电量尽量多。对光伏电池进行铺设时,应注意如下几点：（1） 同一型号的光伏电池尽量相邻排列,便于串并联;（） 电池组件互相靠紧,互不重叠,不能排到墙面之外;（)符合最左最低原则,即先考虑墙面左下角的光伏电池型号,依次向右 上角排列。（4） 对已经排放好的电池组件，在排放下一种电池组件时，其相对于墙面 的位置不变。 光伏电

15、池在墙面左下角的排法有种,即横排和竖排。如图所示: 横排 纵排 显然,在解决优化排样问题中,光伏电池的排法直接影响到优化成果。 因此，把墙面和光伏电池的编号序列和方向作为染色体中的信息,用矩形匹配分割算法实现一种染色体所示的排样方案,进行局部搜索;再用遗传算子实现全局搜索,是算法设计的重要思想。 编码 编码就是用字符串形式表达问题空间的一种可行解，称之为染色体。一种染色体应当表达出问题空间的有关信息。一般编码措施没有反映出光伏电池排放的方向信息,仅由矩形匹配算法拟定方向,影响了遗传算法的全局搜索性能。对于排样问题,一种染色体表达的一种排放方案，既要表白哪个光伏电池排入哪块墙面,又要表白光伏电池

16、是横排还是竖排。 为此,设计一种具有2 层形式的染色体编码:第1层的字符代表顺序，“ ，”之前的字符表达墙面顺序(例中表达有3 块墙面) ,“,”之后的字符表达光伏电池的排放顺序，第2 层的字符表达墙面和光伏电池的放置方向，“0”表达按原方向排放，“”表达旋转9后排放。 上述染色体的排样方案也许是第 、2、4号光伏电池排入第2 块墙面,第1 、3号光伏电池排入第1 块墙面,第6 号光伏电池排入第 块墙面。对于每个染色体所示的排样方案由矩形匹配分割算法具体拟定。也就是说,在遗传算法中通过调用矩形匹配分割算法实现每个染色体所示的排样方案。 例如,对于上述染色体,先选2号墙面将光伏电池排样,2 号墙

17、面排满后再将剩余的光伏电池在号墙面上排样，1 号墙面排满后再选3 号墙面对其他的光伏电池排样。如果只在一块墙面上排样，可将墙面部分的字符所有设立为0。 对于卷材，可将染色体中第2 层墙面部分的字符全设为 ,并将矩形匹配分割算法中的分割方向设为竖切，就可以实现光伏电池在卷材上的排样。 这样，上述2 层形式的染色体编码就可以具有比较广泛的合用性,为算法既可以应用于套排,也可应用于单排提供了以便。 适应度函数 查找已有文献中用一种排样方案的墙面运用率即墙面上排放的光伏电池的面积与墙面面积之比的大小衡量一种染色体的优劣,然而,余料面积相似而形状不同，其可运用性是不同的,运用率应当涉及余料面积的大小和形

18、状2个要素。因此,在适应度函数中采用了一种余料的长宽比例系数( 0tep=Cmi+jvalue(）;elseemp=0.0;ndftau(i）=temp;endtauefitu;% .4 选择复制function ewpp=slcon(op,fitvalu)otaft=u(itvle）； 求适应值之和fitau=fivlu/ali;单个个体被选择的概率itvl=cumsu(fitaue);%如ivalue= 2 3 ，则 cumsu（itvalue）13 10 x，y=ie(pop）;ms=srt（nd(px,1); 从小到大排列fiti=1;newin=1；whi ewnpif(ms(nin

19、）fitae(fin)nepp(newn)=po（in);newin=nwn+1；elsfin=ftin+1;ended%5 交叉fntn newpopcrossover(pp,pc)px，y=size（po）；wpp=nes(ize（pp);r =:2:p-1i(ap)cpoiound(rand*py);newpp(i，：)=pop(,1：cpoin），po(i+1,cpont1:p)；newpo（i+1,：)=pop(i+1,1:pin),(i，cpoit1:py);elsenepop(,:）=pop();nwop（i+1，：）=pop（i);enen %2.6变异functon epop

20、=mution（pop,m)x，pysize(pp);newpoes(siz(po)）;fori=1：pif(randpm)mpointrond（rad*py）;if mpointestfitbsindividal=p(i,：);esfi=fitvue(i);endnd%28主程序clacfpopsize=20; 群体大小chomlengh=10; %字符串长度（个体长度)pc=0.6;%交叉概率pm=0.001; %变异概率popiitpp（psize，cholenh); %随机产生初始群体f i=1:20 %20为迭代次数objvalue=clobjvalu(pp); %计算目的函数fal

21、ue=caftalue(objvalue);%计算群体中每个个体的适应度newoplctin(po，fitvlue）; %复制newopcrosove(op,p）； %交叉nwop=mtation(po,pc);%变异bstndvidal，bestt=bes（op，ftvalue）; %求出群体中适应值最大的个体及其适应值y(i)max(bestfi）;n（i)=i;pop=estiivdul;x(）dodechom(pop5，1,chromlength）/102;ponwop;nd fpl(*sin(5*x）7*cs(4*x）,0 )ho onot（x,*）hod of z nde=ma(y

22、）; %计算最大值及其位置x=x(in)%计算最大值相应的值y=z附录三o：ts： uangfuA/1.6：x,yi,ni，i; guagfuB/.7/：xj,y,nj,mj; ganuC/.11/:x,k,nk，k;enstsdata:,yi,ni=80 808 237.33615 991-2.2150 808 13.781165992 -24558650 99 27.987196 99 -354.74； xj,yj,j1650 1 344.50956 99 383.349748292 6.15616499 32.017419562 778.01165 92 55961668100 4.70

23、81;xk，yk，n=130 110 89.1067321 711 21.43844 4 93.16351 100 808.4140 10089895531 35 3.916615 10 36.242 61 3 1790 55 107281 355107.665 7 610148； S=29800;ddatamaxsum(anuA(i):i*i)+m(gungu(j）:mj*nj)+u(gugfuC(k）:*nk);SSU(guangfA(）：xi*y*ai*m)+sum（gagfB(j）:yj*a*mj)+um(anfC（k):x*k*k*m);in(guagfuA(）:a）;b(angfB(j):aj）;bin(ungfuC(k):ak);i（guanfuA（i)：mi);gin(uanfuB(j）:mj）;n(uanfuC():k)；n