一种基于大风环境的光伏支架智能跟踪方法及系统

摘要

本发明公开了一种基于大风环境的光伏支架智能跟踪方法及系统，包括若干个光伏发电子阵，每个光伏发电子阵包括多个光伏跟踪支架，其方法包括：结合若干个光伏发电子阵中各个光伏跟踪支架的位置信息与若干个风感传感器采集的风速风向，获取各个光伏跟踪支架对应位置的风速风向；基于各个光伏跟踪支架的风速风向与预先构建的安全角度模型，分别计算出各个光伏跟踪支架的安全角度区间；根据各个安全角度区间与预先构建的最优发电角度模型，分别计算各个安全角度区间内发电量最高时的角度为对应的最优发电角度；分别调节各个光伏跟踪支架的倾角到对应的最优发电角度。本发明通过风感传感器与两个角度计算模型实现光伏矩阵效率与安全性的平衡。

说明书

技术领域

本发明涉及光伏跟踪系统技术领域，特别涉及一种基于大风环境的光伏支架智能跟踪方法及系统。

背景技术

随着新能源行业的不断发展，光伏电站的建设规模与数量在日益增加。目前光伏电站发电效率日趋稳定，但光伏电站的大面积建设所带来的光伏电站维护问题却频频出现，其中极端天气情况下光伏电站中跟踪支架的安全问题成为光伏电站建设时首先要解决难题。

在传统的跟踪式光伏电站中，其大风保护系统普遍为设定一个标准的大风保护角度，一个标准的风速值，一旦风速达到标准风速值跟踪支架即开始向大风保护角度旋转。

在传统的光伏电站大风环境的保护方案中，保护形式简易、单一，且子阵之间没有联动各自计算，保护效果很差，且旋转的过程浪费电量、还可能经过大风环境下支架的危险角度，加剧支架因大风损坏的可能；对于光伏跟踪器公司，大风保护系统主要是针对跟踪系统的质量方面的关注，需要减少质保期间因大风造成支架的损坏以节约成本；而对于工程现场的需求则主要是针对维护、运营方面的关注。

发明内容

为解决传统大风保护方法中保护效果差，保护过程降低发电效率的技术问题，本发明提供一种基于大风环境的光伏支架智能跟踪方法及系统，具体的技术方案如下：

本发明提供一种基于大风环境的光伏支架智能跟踪方法，其中光伏矩阵包括若干个光伏发电子阵，每个光伏发电子阵包括若干个光伏跟踪支架，具体如下：

结合各个所述光伏发电子阵中每个所述光伏跟踪支架的位置信息，与各个所述光伏发电子阵中至少一个风感传感器所采集的风速风向，计算得到各个所述光伏跟踪支架对应位置的风速风向；

基于各个所述光伏跟踪支架对应位置的风速风向与预先构建的安全角度模型，分别计算出各个所述光伏跟踪支架对应的安全角度区间；

根据各个所述光伏跟踪支架的安全角度区间与预先构建的最优发电角度模型，分别计算各个所述光伏跟踪支架在对应的所述安全角度区间内发电量最高时的角度为对应的最优发电角度；

分别调节各个所述光伏跟踪支架的倾角到对应的所述最优发电角度。

本发明提供的大风保护方法通过引入各跟踪支架的风速风向、安全角度模型、最优发电角度模型，根据若干个光伏发电子阵中各个光伏跟踪支架的位置信息，即可完成对每个光伏跟踪支架角度的调节，获取到在安全角度范围内的发电量最高的角度，减少因为大风保护模式损失的电量，调节光伏跟踪支架的倾角到最优的安全发电角度，实现光伏矩阵效率与安全性的平衡。

优选地，本发明还提供一种基于大风环境的光伏支架智能跟踪方法，在所述的计算得到各个所述光伏跟踪支架对应位置的风速风向之前，还包括：

对所述光伏跟踪支架进行风洞测试，并根据所述光伏跟踪支架在不同外部风环境和不同角度下的机械受力情况，以及所述光伏跟踪支架的设备参数，构建所述光伏跟踪支架的风洞压力模型；

根据所述风洞压力模型在不同风速环境下生成的数据，构建所述安全角度模型。

本发明通过风洞试验的方法，对在不同的风向与风速情况下的子阵的安全情况进行模拟实验，从而得出准确的安全角度模型，准确性较好，科学性较高。

可选地，本发明还提供一种基于大风环境的光伏支架智能跟踪方法，在所述的构建所述安全角度模型之后，还包括：

结合所述安全角度模型与不同风环境的风速数据，通过神经网络学习构建所述最优发电角度模型。

可选地，本发明还提供一种基于大风环境的光伏支架智能跟踪方法，所述的计算各个所述光伏跟踪支架在对应的所述安全角度区间内发电量最高时的角度为对应的最优发电角度之后，还包括：

存储各个所述光伏跟踪支架的最优发电角度以及各个所述光伏跟踪支架在对应的所述最优发电角度下的发电量，生成优化训练数据集；

根据所述优化训练数据集，优化所述最优发电角度模型。

本发明通过在每个子阵的本地部署独立的最优发电角度模型以控制子阵的发电角度，从局部最优到达全局最优，最后实现各个子阵之间的协调，进而实现整个发电站的高效发电。

可选地，本发明还提供一种基于大风环境的光伏支架智能跟踪方法，还包括：

根据各个所述光伏跟踪支架在对应位置的风速风向生成风速风向图，所述风速风向图中每个风感节点对应一个所述风感传感器；

当所述风速风向图上出现数据异常的所述风感节点时，直接对数据异常的所述风感节点对应的所述风感传感器进行维修。

本发明通过风速风向图，使整个电站内部各点的风速都有一个确定值或估计值，也可以很好的减少个别风感传感器故障导致的发电损失。当光伏发电子阵中风感传感器故障时，可以通过风速风向图上异常的风感节点可以及时便捷地识别故障位置，提高了检修维护的便捷性。

另外地，本发明提供一种基于大风环境的光伏支架智能跟踪系统，包括若干个光伏发电子阵，每个光伏发电子阵包括若干个光伏跟踪支架，其中系统包括：

风速风向计算模块，用于通过设置在若干个所述光伏发电子阵中的风感传感器获取风速风向，结合若干个所述光伏发电子阵中各个所述光伏跟踪支架的位置信息，获得各个所述光伏跟踪支架对应位置的风速风向；

第一角度区间计算模块，与所述风速风向计算模块连接，用于根据各个所述光伏跟踪支架对应位置的风速风向与预设安全角度模型，分别计算出各个所述光伏跟踪支架对应的安全角度区间；

第二角度计算模块，与所述第一角度区间计算模块连接，用于根据各个所述安全角度区间与预设最优发电角度模型，分别计算各个所述光伏跟踪支架在对应的所述安全角度区间内发电量最高时的角度为对应的最优发电角度；

执行模块，与所述第二角度计算模块连接，用于分别调节各个所述光伏跟踪支架的倾角到对应的所述最优发电角度。

优选地，本发明还提供一种基于大风环境的光伏支架智能跟踪系统，还包括：

第一模型构建模块，用于对所述光伏跟踪支架进行风洞测试，并根据所述光伏跟踪支架在不同外部风环境和不同角度下的机械受力情况，以及所述光伏跟踪支架的设备参数，构建所述光伏跟踪支架的风洞压力模型；

第二模型构建模块，与所述第一模型构建模块连接，用于根据所述风洞压力模型在不同风速环境下生成的数据，构建所述安全角度模型。

优选地，本发明还提供一种基于大风环境的光伏支架智能跟踪系统，还包括：

数据集生成模块，用于存储各个所述光伏跟踪支架的最优发电角度以及各个所述光伏跟踪支架在对应的所述最优发电角度下的发电量，生成优化训练数据集；

模型优化模块，用于根据所述优化训练数据集，优化所述最优发电角度模型。

优选地，本发明还提供一种基于大风环境的光伏支架智能跟踪系统，还包括：

风速风向图生成模块，用于根据各个所述光伏跟踪支架在对应位置的风速风向生成风速风向图，所述风速风向图中每个所述风感传感器对应一个风感节点；

显示模块，用于显示所述风速风向图；

当所述显示模块中所述风速风向图上出现数据异常的所述风感节点时，直接对数据异常的所述风感节点对应的所述风感传感器进行维修。

另外地，本发明还提供一种基于大风环境的光伏支架智能跟踪系统，包括若干个光伏发电子阵，每个光伏发电子阵包括若干个光伏跟踪支架，其中还包括：

若干个风感传感器和若干个子阵通讯箱，每个所述光伏发电子阵中至少设置互相连接的一个所述风感传感器和一个所述子阵通讯箱，所述风感传感器用于采集各个所述光伏发电子阵的风速风向，并利用所述子阵通讯箱发送所述风速风向；

中控室，与若干个所述子阵通讯箱连接，用于结合各个所述光伏发电子阵中每个所述光伏跟踪支架的位置信息与所述风速风向，计算得到各个所述光伏跟踪支架对应位置的风速风向；

所述中控室，还基于各个所述光伏跟踪支架对应位置的风速风向与预先构建的安全角度模型，分别计算出各个所述光伏跟踪支架对应的安全角度区间，并利用所述子阵通讯箱发送各个所述安全角度区间；

若干个AI控制箱，每个所述光伏发电子阵中至少设置一个AI控制箱，同一个光伏发电子阵中的所述AI控制箱、所述子阵通讯箱相互连接，用于根据各个所述安全角度区间与预先构建的最优发电角度模型，分别计算各个所述安全角度区间内发电量最高时的角度为对应的最优发电角度，并分别调节对应的所述光伏跟踪支架的角度到所述最优发电角度。

本发明提供一种基于大风环境的光伏支架智能跟踪方法及系统，至少包括以下一项技术效果：

（1）通过少数风感传感器与各个光伏跟踪支架的位置信息，计算出每个子阵的安全角度范围，并利用安全角度模型与最优发电角度模型获取到在安全角度范围内的发电量最高的角度，减少因为大风保护模式损失的电量，调节光伏跟踪支架的倾角到最优的安全发电角度，实现光伏矩阵效率与安全性的平衡；

（2）整个电站内部各点的风速都有一个确定值或估计值，可以减少个别风感传感器故障导致的发电损失；

（3）通过风洞试验的方法，对在不同的风向与风速情况下的子阵的安全情况进行模拟实验，从而得出准确的安全角度模型，准确性较好，科学性较高；

（4）通过在AI控制箱部署独立的最优发电角度模型以控制光伏跟踪支架的发电角度，从局部最优到达全局最优，最后实现各个子阵之间的协调，每个支架因不同的风速单独运作，可以减少大量因大风保护模式损失的电量，进而实现整个发电站的高效发电；

（5）根据风感传感器与各个跟踪支架的位置信息构建风速风向图，当光伏发电子阵中风感传感器故障时，可以通过风速风向图上异常的风感节点及时便捷地识别故障位置，提高了检修维护的便捷性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于大风环境的光伏支架智能跟踪方法的流程图；

图2为本发明一种基于大风环境的光伏支架智能跟踪方法的一个流程图；

图3为本发明一种基于大风环境的光伏支架智能跟踪方法中构建的安全系数与光伏支架角度的多元曲线的示例图；

图4为本发明一种基于大风环境的光伏支架智能跟踪方法的另一个流程图；

图5为本发明一种基于大风环境的光伏支架智能跟踪方法的又一个流程图；

图6为本发明一种基于大风环境的光伏支架智能跟踪方法中生成风速风向图的流程图；

图7为风速风向图的示例图；

图8为本发明一种基于大风环境的光伏支架智能跟踪系统的示例图；

图9为本发明一种基于大风环境的光伏支架智能跟踪系统的一个示例图；

图10为本发明一种基于大风环境的光伏支架智能跟踪系统的另一个示例图；

图11为本发明一种基于大风环境的光伏支架智能跟踪系统的又一个示例图；

图12为本发明一种基于大风环境的光伏支架智能跟踪系统的整体结构示意图。

图中标号：10-风速风向计算模块、20-第一角度区间计算模块、30-第二角度计算模块、40-执行模块、50-第一模型构建模块、60-第二模型构建模块、70-数据集生成模块、80-模型优化模块、90-显示模块、100-风速风向图生成模块、110-中控室、120-子阵控制箱、130-AI控制箱、140-风感传感器。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘出了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

实施例1

本发明的一个实施例，如图1所示，本发明提供一种基于大风环境的光伏支架智能跟踪方法，包括：

S300结合各个光伏发电子阵中每个光伏跟踪支架的位置信息，与各个光伏发电子阵中至少一个风感传感器所采集的风速风向，计算得到各个光伏跟踪支架对应位置的风速风向。

具体地，采集的位置信息包括经纬度、海拔等，光伏电站系统架构本身在每个子阵都会设有风感传感器，将每一个位置的风感传感器标记在整个电站的地图上，读取它们的风速后通过人工智能学习计算出电站每一个位置的大致风速。

示例性地，如图3所示，通过图中各子阵的风感信息，通过人工智能学习计算出电站每一个位置的大致风速，根据光伏发电子阵中各跟踪支架的位置信息，即可得出其风感信息。风感信息具体包括风速风向。

S400基于各个光伏跟踪支架对应位置的风速风向与预先构建的安全角度模型，分别计算出各个光伏跟踪支架对应的安全角度区间。

S500根据各个光伏跟踪支架的安全角度区间与预先构建的最优发电角度模型，分别计算各个光伏跟踪支架在对应的安全角度区间内发电量最高时的角度为对应的最优发电角度。

具体地，根据安全角度模型得到的安全角度区间与支架的外部风速风向，通过不同情况下不断的神经网络学习，得到安全角度区间内发电量最大的角度，建立最优发电角度模型。其中风速风向可以直接导入各种风速数据进行网络训练。

S600分别调节各个光伏跟踪支架的倾角到对应的最优发电角度。

本实施例中解决了传统的跟踪式光伏电站中大风保护形式简易、单一，且子阵之间没有联动各自计算，保护效果很差，且旋转的过程浪费电量、以及可能经过大风环境下支架的危险角度从而加剧支架因大风损坏的可能等问题。本实施例中的大风保护方法通过引入安全角度模型、最优发电角度模型，根据若干个光伏发电子阵中各个光伏跟踪支架的位置信息，即可完成对每个光伏跟踪支架角度的调节，获取到在安全角度范围内的发电效率最高的角度，减少因为大风保护模式损失的电量，从而获取到最优的安全发电角度，实现光伏跟踪系统效率与安全性的平衡。根据光伏矩阵内各个风感传感器的信息，使整个电站内部各点的风速都有一个确定值或估计值，同时可以减少个别风感传感器故障导致的发电损失。

实施例2

基于实施例1中的一种基于大风环境的光伏支架智能跟踪方法，如图2所示，在步骤S300获得各个光伏跟踪支架对应位置的风速风向之前，还包括：

S100对光伏跟踪支架进行风洞测试，并根据光伏跟踪支架在不同外部风环境和不同角度下的机械受力情况，以及光伏跟踪支架的设备参数，构建光伏跟踪支架的风洞压力模型。

具体地，风洞压力模型的参数包括：目标建筑高度、目标局部地形和目标风向。

S200根据风洞压力模型在不同风速环境下生成的数据，构建安全角度模型。

示例性地，本发明通过风洞试验来完成安全角度模型的构建。

首先，进行风洞测试以得到在不同外部风环境、不同角度下支架各部分的机械受力情况。

例如以下公式为某支架在某风感环境下，支架受到的压力为：

其中V是风速，K值是建筑高度、局部地形和风向等因素，I是一个重要因素可以在后续计算过程中消除，K值系数是通过标准获得。

然后，针对风洞实验结果拟合出跟踪系统相应的安全系数与角度等因素的多元曲线，如图3所示。图3中在某一风速的情况下，支架越向两侧旋转，支架越危险，越有损坏的可能，支架角度越是接近水平角度，支架损坏的可能性越小。

最后，根据同一风速条件下支架稳定系数，不同外部风速环境情况下的安全系数得到跟踪支架的安全角度区间计算公式。图3中安全区间为[60，120],风速更小的时候可能为[40，140]，通过一系列数据，得到的计算30°到90°极限安全角度的公式为：

其中x为风速，支架总的安全角度为[y，180-y]。

本实施例中通过风洞试验的方法，对在不同的风向与风速情况下的子阵的安全情况进行模拟实验，从而得出准确的安全角度模型，准确性较好，科学性较高。

实施例3

基于实施例2中的一种基于大风环境的光伏支架智能跟踪方法，如图4所示，在步骤S200根据风洞压力模型在不同风速环境下生成的数据，构建安全角度模型之后，还包括：

S210结合安全角度模型与不同风环境的风速数据，通过神经网络学习构建最优发电角度模型。

具体地，将安全角度区间模型、风速风向数据集成通过神将网络学习得到当前发电量最高同时又对跟踪系统很安全的角度作为目标角度的神经网络。导入AI控制箱。

步骤S200根据风洞压力模型在不同风速环境下生成的数据，构建安全角度模型之后得到了支架安全角度模型，通过不断的实地情况的神经网络学习，得到安全角内发电量最大的角度。在最优发电角度模型的构建过程中，风速风向数据也可以直接采用已有的风速风向数据进行构建。

本实施例通过预设最优发电角度模型以控制光伏跟踪支架的发电角度，从局部最优到达全局最优，最后实现各个子阵之间的协调，每个支架因不同的风速单独运作，可以减少大量因大风保护模式损失的电量，进而实现整个发电站的高效发电。

实施例4

基于实施例1～3中任意一个实施例中的一种基于大风环境的光伏支架智能跟踪方法，如图5所示，在步骤S500根据各个光伏跟踪支架的安全角度区间与预先构建的最优发电角度模型，分别计算各个光伏跟踪支架在对应的安全角度区间内发电量最高时的角度为对应的最优发电角度之后，还包括：

S810存储各个光伏跟踪支架的最优发电角度以及各个光伏跟踪支架在对应的最优发电角度下的发电量，生成优化训练数据集。

S820跟据优化训练数据集，优化最优发电角度模型。

具体地，在实际的运行过程中，各个地方由于其每天太阳升起的角度不同，同时由于安装过程中的误差、太阳角度、以及如各个子阵之间的遮挡等原因，对最优发电角度的计算如果采用简单的几何计算的方式，其技术效果可能较差。

故在S810与S820中，使用部署在AI控制箱中优化训练数据集来训练用于控制光伏跟踪支架角度的最优发电角度模型，同时由于各个子阵之间的最优发电角度模型实际上是各自独立的，故在实际的运行过程中，各个最优发电角度模型会互相适应。

本实施例通过在每个子阵的本地部署独立的最优发电角度模型以控制子阵的发电角度，从局部最优到达全局最优，最后实现各个子阵之间的协调，进而实现整个发电站的高效发电。

实施例5

基于实施例1～实施例4中任意一个实施例中的一种基于大风环境的光伏支架智能跟踪方法，如图6所示，在步骤S300结合各个光伏发电子阵中每个光伏跟踪支架的位置信息，与各个光伏发电子阵中至少一个风感传感器所采集的风速风向，计算得到各个光伏跟踪支架对应位置的风速风向之后，还包括：

S700根据各个光伏跟踪支架在对应位置的风速风向生成风速风向图。

具体地，如图7所示，图7是一个风速风向图的示例图，风速风向图中每个风感节点对应一个子阵中的风感传感器。

优选地，当光伏矩阵中大风保护功能出现故障时，可以根据风速风向图上出现异常的风感节点时，直接对异常的风感节点对应的光伏发电子阵中的风感传感器进行维修。

本实施例中根据光伏矩阵中各个光伏跟踪支架的位置与各个风感传感器获取的数据生成风速风向图，使整个电站内部各点的风速都有一个确定值或估计值，也可以很好的减少个别风感传感器故障导致的发电损失。当光伏发电子阵中风感传感器故障时，可以通过风速风向图上异常的风感节点可以及时便捷地识别故障位置，提高了检修维护的便捷性。

实施例6

本发明的另一个实施例，如图8所示，本发明还提供一种基于大风环境的光伏支架智能跟踪系统，包括：风速风向计算模块10、第一角度区间计算模块20、第二角度计算模块30、执行模块40。

其中风速风向计算模块10，用于结合各个光伏发电子阵中每个光伏跟踪支架的位置信息，与各个光伏发电子阵中至少一个风感传感器所采集的风速风向，计算得到各个光伏跟踪支架对应位置的风速风向。

具体地，采集的位置信息包括经纬度、海拔等，光伏电站系统架构本身在每个子阵都会设有风感传感器，将每一个位置的风感传感器标记在整个电站的地图上，读取它们的风速后通过人工智能学习计算出电站每一个位置的大致风速。

示例性地，如图3所示，通过图中各子阵的风感信息，通过人工智能学习计算出电站每一个位置的大致风速，根据光伏发电子阵中各跟踪支架的位置信息，即可得出其风感信息。风感信息具体包括风速风向。

第一角度区间计算模块20，与风速风向计算模块10连接，用于基于各个光伏跟踪支架对应位置的风速风向与预先构建的安全角度模型，分别计算出各个光伏跟踪支架对应的安全角度区间。

第二角度计算模块30，与第一角度区间计算模块20连接，用于根据各个光伏跟踪支架的安全角度区间与预先构建的最优发电角度模型，分别计算各个光伏跟踪支架在对应的安全角度区间内发电量最高时的角度为对应的最优发电角度。

具体地，根据安全角度模型得到的安全角度区间与支架的外部风速风向，通过不同情况下不断的神经网络学习，得到安全角度区间内发电量最大的角度，建立最优发电角度模型。其中风速风向可以直接导入各种风速数据进行网络训练。

执行模块40，与第二角度计算模块30连接，用于分别调节各个光伏跟踪支架的倾角到对应的最优发电角度。

本实施例中解决了传统的跟踪式光伏电站中大风保护形式简易、单一，且子阵之间没有联动各自计算，保护效果很差，且旋转的过程浪费电量、以及可能经过大风环境下支架的危险角度从而加剧支架因大风损坏的可能等问题。本实施例中的大风保护系统通过引入安全角度模型、最优发电角度模型，根据若干个光伏发电子阵中各个光伏跟踪支架的位置信息，即可完成对每个光伏跟踪支架角度的调节，获取到在安全角度范围内的发电效率最高的角度，减少因为大风保护模式损失的电量，从而获取到最优的安全发电角度，实现光伏跟踪系统效率与安全性的平衡。根据光伏矩阵内各个风感传感器的信息，使整个电站内部各点的风速都有一个确定值或估计值，同时可以减少个别风感传感器故障导致的发电损失。

实施例7

基于实施例6中的一种基于大风环境的光伏支架智能跟踪系统，如图9所示，还包括：

第一模型构建模块50、第二模型构建模块60。

其中第一模型构建模块50，用于对光伏跟踪支架进行风洞测试，并根据光伏跟踪支架在不同外部风环境和不同角度下的机械受力情况，以及光伏跟踪支架的设备参数，构建光伏跟踪支架的风洞压力模型。

具体地，风洞压力模型的参数包括：目标建筑高度、目标局部地形和目标风向。

第二模型构建模块60，与第一模型构建模块50和第一角度区间计算模块20连接，用于根据风洞压力模型在不同风速环境下生成的数据，构建安全角度模型。

示例性地，本发明通过风洞试验来完成安全角度模型的构建。

首先，进行风洞测试以得到在不同外部风环境、不同角度下支架各部分的机械受力情况。

例如以下公式为某支架在某风感环境下，支架受到的压力为：

其中V是风速，K值是建筑高度、局部地形和风向等因素，I是一个重要因素可以在后续计算过程中消除，K值系数是通过标准获得。

然后，针对风洞实验结果拟合出跟踪系统相应的安全系数与角度等因素的多元曲线，如图3所示。图3中在某一风速的情况下，支架越向两侧旋转，支架越危险，越有损坏的可能，支架角度越是接近水平角度，支架损坏的可能性越小。

最后，根据同一风速条件下支架稳定系数，不同外部风速环境情况下的安全系数得到跟踪支架的安全角度区间计算公式。图3中安全区间为[60，120],风速更小的时候可能为[40，140]，通过一系列数据，得到的计算30°到90°极限安全角度的公式为

其中x为风速，支架总的安全角度为[y，180-y]。

本实施例中通过风洞试验的方法，对在不同的风向与风速情况下的子阵的安全情况进行模拟实验，从而得出准确的安全角度模型，准确性较好，科学性较高。

实施例8

基于上述实施例6～7中任意一个实施例中的一种基于大风环境的光伏支架智能跟踪系统，如图10所示，还包括数据集生成模块70和模型优化模块80，其中：

数据集生成模块70，用于存储各个光伏跟踪支架的最优发电角度以及各个光伏跟踪支架在对应的最优发电角度下的发电量，生成优化训练数据集。

模型优化模块80，与数据集生成模块70连接，用于根据优化训练数据集，优化最优发电角度模型。

具体地，在实际的运行过程中，各个地方由于其每天太阳升起的角度不同，同时由于安装过程中的误差、太阳角度、以及如各个子阵之间的遮挡等原因，对最优发电角度的计算如果采用简单的几何计算的方式，其技术效果可能较差。

故在数据集生成模块70与模型优化模块80中使用优化训练数据集来训练用于控制支架角度的最优发电角度模型，同时由于各个子阵之间的最优发电角度模型实际上是各自独立的，故在实际的运行过程中，各个最优发电角度模型会互相适应。

本实施例通过部署优化训练数据集来训练用于控制支架角度的最优发电角度模型，实现各个子阵之间的协调，每个支架因不同的风速单独运作，可以减少大量因大风保护模式损失的电量，进而实现整个发电站的高效发电。

实施例9

基于实施例6～8中任意一个实施例的一种基于大风环境的光伏支架智能跟踪系统，如图11所示，还包括：

显示模块90、风速风向图生成模块100

其中风速风向图生成模块100，与风速风向计算模块30连接，用于根据各个光伏跟踪支架在对应位置的风速风向生成风速风向图。

具体地，如图7所示，图7是一个风速风向图的示例图，风速风向图中每个风感节点对应一个子阵中的风感传感器。

显示模块90，与风速风向图生成模块100连接，用于显示风速风向图。

当光伏跟踪系统中大风保护功能出现故障时，可以根据风速风向图上出现异常的风感节点时，直接对异常的风感节点对应的光伏发电子阵中的风感传感器进行维修。

本实施例中根据光伏矩阵中各个跟踪支架的位置与各个风感传感器获取的数据生成风速风向图，使整个电站内部各点的风速都有一个确定值或估计值，也可以很好的减少个别风感传感器故障导致的发电损失。当光伏发电子阵中风感传感器故障时，可以通过风速风向图上异常的风感节点可以及时便捷地识别故障位置，提高了检修维护的便捷性。

实施例10

本发明还提供一种基于大风环境的光伏支架智能跟踪系统，如图12所示，包括若干个光伏发电子阵，每个光伏发电子阵包括若干个光伏跟踪支架，还包括中控室110、子阵控制箱120、AI控制箱130和风感传感器140，其中：

每个光伏发电子阵中至少设置互相连接的一个风感传感器140和一个子阵通讯箱120，风感传感器140用于采集各个光伏发电子阵的风速风向，并利用子阵通讯箱120发送风速风向。

中控室110，与若干个子阵通讯箱120连接，用于结合各个光伏发电子阵中每个光伏跟踪支架的位置信息与风速风向，计算得到各个光伏跟踪支架对应位置的风速风向。

中控室110，还基于各个光伏跟踪支架对应位置的风速风向与预先构建的安全角度模型，分别计算出各个光伏跟踪支架对应的安全角度区间，并利用子阵通讯箱120发送各个安全角度区间。

若干个AI控制箱130，每个光伏发电子阵中至少设置一个AI控制箱130，同一个光伏发电子阵中的AI控制箱130、子阵通讯箱120相互连接，用于根据各个安全角度区间与预先构建的最优发电角度模型，分别计算各个安全角度区间内发电量最高时的角度为对应的最优发电角度，并分别调节对应的光伏跟踪支架的角度到最优发电角度。

优选地，若干个AI控制箱130的设置方式还可以为：每个光伏发电子阵中设置多个AI控制箱130，每个AI控制箱130与光伏跟踪支架一一对应连接，每个AI控制箱130调节与其连接的光伏跟踪支架的角度到最优发电角度。

优选地，若干个子阵控制箱120与中控室110之间采用RS485通讯协议进行通讯，各个子阵控制箱120与若干个AI控制箱130之间采用无线网络协议进行通讯，如各个子阵控制箱120与若干个AI控制箱130之间采用Lora进行通讯。

本实施例中通过在AI控制箱部署独立的最优发电角度模型以控制光伏跟踪支架的发电角度，从局部最优到达全局最优，最后实现各个子阵之间的协调，每个支架因不同的风速单独运作，可以减少大量因大风保护模式损失的电量，进而实现整个发电站的高效发电。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的一种基于大风环境的光伏支架智能跟踪方法及系统，可以通过其他的方式实现。例如，以上所描述的一种基于大风环境的光伏支架智能跟踪方法及系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的通讯连接可以是通过一些接口，装置或单元的通讯连接或集成电路，可以是电性、机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

应当说明的是，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。