简述组件和逆变器的配比[分布式光伏]

简述组件和逆变器的配比[分布式光伏] - 知乎 (zhihu.com)

是不是5KW的组件就配5KW的逆变器呢?答案很明确——不是

那我们又该怎么配,5KW的逆变器到底配多少合适,总听到有人会说按1.2比例配,有人会说按1.1的比例配……众说风云,这些比值是哪来的又有什么含义?

其实我们我常说的比值指的是DC/AC,也就是光伏组件的功率/光伏逆变器的功率,那我们首先来看下这个比值是什么:

上面是一个光伏系统的简图,光伏组件发出的直流电(DC)经过光伏逆变器逆变成交流电(AC)进入电网,那么整过过程中光伏逆变器只是把直流电变成交流电,俗称的DC/AC的比值就是光伏组件的安装量和光伏并网逆变器最大交流输出的比值。

我们以5KW的光伏组件安装量为例:

这个比值为1.25,意思是我装了5KW的光伏组件,但是由于实际安装地点的经纬度、倾角、朝向等一系列因素的影响,光伏组件最终产生的直流电也就4KW,那么这个时候选择4KW的光伏逆变器就可以了,并不需要5KW的光伏逆变器。

(注:组件的功率单位一般标为wp,如255wp,p是peak的意思,一般是指组件标准测试条件:(大气质量AM1.5, 辐照度1000W/m², 电池温度25°C)下的测量值, 而实际情况并非如此。)

所以DC/AC更多时候是一个经验值,而不是一个固定值,当有实际项目支撑的时候,我们可以根据实际情况去获得DC/AC的比值作为对当前选型时的支撑。

首次安装的时候,针对不同地区组件与逆变器容量配比,可以上网查询DC/AC的理论值,或向他人咨询经验值,当具有一定经验后可以用自己的经验值来代替。

这样完成DC和AC的最佳配比后还要注意光伏组串的电压与逆变器的电压范围是否匹配以及逆变器的输入路数是否满足。

常见的逆变器是根据晶硅组件的特性开发的,目前光伏系统要求的最大电压为1000V,对于电压的配置除了同一路MPPT电压需要相等外,还需要考虑逆变器的MPPT电压范围,确保组件的工作电压在MPPT电压范围内,否则会导致逆变器的输出效率不高。

在计算的时候关注组件的一些关键性参数就可以了:

1 开路电压(Voc)

未形成回路之前,也就是逆变器并网发电之前的电压,该电压会受到温度系数的影响。

2 最大功率点的工作电压(Vmppt)

工作后形成回路,也就是逆变器并网发电之后的最大工作电压。

3 短路电流(Isc)

组件短接时,通过的电流。

4 最大功率点的工作电流(Imppt)

工作后形成回路,最大功率点的电流。

5 开路电压温度系数

以-0.3%/℃为例,温度每升高一度,开路电压下降0.3%.

注:最低温度作为参考时,但是也需要考虑最低温度是凌晨3点左右,然而此时光伏组件处于不工作状态,当组串电压与逆变器输入最大电压有些小差距时可以特殊考虑。

案例分析:

项目现场在A地,冬天光照良好,极低温度为零下25摄氏度,组件采用110块265W组件,逆变器采用25KW光伏逆变器,确定可行性。相关信息:

组件信息: Voc:38.26V,Vmpp:31.11V,Isc:8.92A, Impp:8.52A,温度系数(Voc):-0.330%/℃;

逆变器信息: 最大直流输入功率:32500KW,最大输入电压:1000V, Vmpp: 260V~850V, 输入路数: 6路,Mppt路数:2路,输入电流: 27A/27A;

根据网络查询DC/AC为1.17。

1)首先确认功率配比,组件功率为265*110=29150W,A地区DC/AC配比为1.17,即25KW逆变器可以接25kW*1.17=29.25kW,和组件功率匹配,且在最大直流输入范围内。

2) 电压匹配: 组件分为5串,每串22块;开路电压为38.11V,每串电压在标准条件下约为38.11V*22≈838.42V,考虑开路电压温度系数,极低温度下的每串开路电压增加值:38.11V*0.33%*22*(50)≈138V,那么每串组件的端电压为838.42+138=976.42V,小于光伏逆变器电压要求最大值。

两项都确认完成后,且电流显然在范围内,即可确认该配比可行。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Hadoop是一个开源的分布式存储和计算框架,它旨在处理大规模数据集的分布式存储和处理。Hadoop由两个核心组件组成:Hadoop分布式文件系统(HDFS)和Hadoop分布式计算框架(MapReduce)。下面对这两个组件进行简要概述: 1. Hadoop分布式文件系统(HDFS): HDFS是Hadoop的分布式文件系统,它专门用于存储大规模数据集。HDFS将数据分为多个块,并将这些块分散存储在集群中的多台机器上。它采用主从架构,其中有一个NameNode负责管理文件系统的元数据,而多个DataNode负责实际存储数据。HDFS提供了高容错性、高可扩展性和高吞吐量的特性,适用于大规模数据的存储需求。 2. Hadoop分布式计算框架(MapReduce): MapReduce是Hadoop的分布式计算框架,用于并行处理和分析存储在HDFS中的大规模数据集。MapReduce采用了将计算任务分成多个并行的Map和Reduce阶段的思想。在Map阶段,数据会被切分为多个小块,并由多个Map任务并行处理,产生中间结果。在Reduce阶段,中间结果会被合并、排序并由多个Reduce任务并行处理,最终生成最终的计算结果。MapReduce提供了可靠的分布式计算能力,适用于大规模数据的处理和分析任务。 Hadoop的分布式存储和计算框架提供了可靠的、高可扩展性的数据存储和处理解决方案,适用于处理大规模数据集的场景。它已经广泛应用于各种领域,包括大数据分析、机器学习、人工智能等。同时,Hadoop生态系统也提供了许多其他工具和组件,如Hive、Pig、Spark等,进一步扩展了Hadoop的功能和应用范围。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值