The Sensitivity Analysis of the Reduced Power Algorithm's Coefficients According to the Different Radiations

Solar cells working at a reduced power point for frequency regulation without an extra battery storage system are the mainstream in the field of solar energy development. There are plenty of power curtailment strategies proposed to achieve self-regulation of frequency in literature. However, lessening errors between the iterated power point and the set reduced power point is necessary and significant for the system stability in different environments. In order to make the solar cells work as close as the set power point, this study developed a new fitting function to eliminate the mismatching errors using the parameter mean values. The noises are filtered and the partial shadow situation is considered in the original data. Then the proposed fitting function attempts to use every single day data for the model parameters instead of the mean values of parameters from the whole data. There are two fitting functions, one is based on irradiation and temperature and the other one is based solo on temperature. The new error curves with the two fitting functions are compared to the error curves with mean values. The error curves are plotted together to verify whether the new methods could converge the error curves to the zero line.

Le celle solari che funzionano a un punto di potenza ridotto per la regolazione della frequenza senza un sistema di accumulo di batterie aggiuntivo sono la corrente principale nel campo dello sviluppo dell'energia solare. Ci sono molte strategie di riduzione del potere proposte in letteratura per ottenere l'autoregolazione della frequenza. Tuttavia, la riduzione degli errori tra il punto di potenza iterata e il punto di potenza ridotta impostato è necessaria e significativa per la stabilità del sistema in ambienti diversi. Per far funzionare le celle solari il più vicino possibile al punto di alimentazione impostato, questo studio ha sviluppato una nuova funzione di adattamento per eliminare gli errori di mismatching utilizzando i valori medi dei parametri. I rumori vengono filtrati e la situazione di ombra parziale viene considerata nei dati originali. Quindi la funzione di adattamento proposta tenta di utilizzare i dati di ogni singolo giorno per i parametri del modello anziché i valori medi dei parametri dall'intero dato. Le funzioni di fitting sono due, una basata su irraggiamento e temperatura e l'altra basata solo sulla temperatura. Le nuove curve di errore con le due funzioni di adattamento vengono confrontate con le curve di errore con valori medi. Le curve di errore vengono tracciate insieme per verificare se i nuovi metodi potrebbero far convergere le curve di errore alla linea zero.